Python中Pandas库教学（1）

Python中Pandas库教学（1）

什么是Pandas库？

Pandas是一个数据处理库，用于数据分析、数据清洗和数据转换等任务。它提供了快速、灵活和富有表现力的数据结构，可以方便地进行数据操作和分析。

安装Pandas库

在安装Pandas库之前，你需要安装Python。安装Python的方法可以在Python官网找到。

安装Pandas库的方法有两种：

1.使用pip工具安装：在命令行(windows+R+cmd)中运行以下命令：pip install pandas

2.使用conda工具安装：在命令行中运行以下命令：conda install pandas

导入Pandas库

在使用Pandas库之前，你需要导入它。可以使用以下代码导入Pandas库：
import pandas as pd

Pandas库的数据结构

Pandas库提供了两种主要的数据结构：Series和DataFrame。

Series

Series是一种类似于一维数组的数据结构，它可以存储任意类型的数据，例如数字、字符串和Python对象等。Series的重要特性是它具有索引，它可以让你对数据进行标记和引用。

你可以使用以下代码创建一个Series：

import pandas as pd

data = [1, 2, 3, 4, 5]
s = pd.Series(data)
print(s)

输出结果：

0    1
1    2
2    3
3    4
4    5
dtype: int64

DataFrame

DataFrame是一种二维表格数据结构，它可以存储多种类型的数据，例如数字、字符串和Python对象等。DataFrame的重要特性是它具有行索引和列索引，它可以让你对数据进行标记和引用。

你可以使用以下代码创建一个DataFrame：

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 32, 18, 47],
    'city': ['New York', 'Paris', 'London', 'Tokyo']
}

df = pd.DataFrame(data)
print(df)

输出结果：

       name  age      city
0     Alice   25  New York
1       Bob   32     Paris
2   Charlie   18    London
3     David   47     Tokyo

Pandas库的数据操作

Pandas库提供了各种数据操作方法，例如数据筛选、数据排序和数据统计等。

数据筛选

你可以使用以下代码选择DataFrame中的特定列：

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 32, 18, 47],
    'city': ['New York', 'Paris', 'London', 'Tokyo']
}

df = pd.DataFrame(data)

# 选择'name'列
name_col = df['name']
print(name_col)

输出结果：

0      Alice
1        Bob
2    Charlie
3      David
Name: name, dtype: object

数据排序

你可以使用以下代码对DataFrame中的数据进行排序：

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 32, 18, 47],
    'city': ['New York', 'Paris', 'London', 'Tokyo']
}

df = pd.DataFrame(data)

# 按照年龄升序排序
df = df.sort_values('age')

print(df)

输出结果：

       name  age      city
2   Charlie   18    London
0     Alice   25  New York
1       Bob   32     Paris
3     David   47     Tokyo

数据统计

你可以使用以下代码对DataFrame中的数据进行统计：

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 32, 18, 47],
    'city': ['New York', 'Paris', 'London', 'Tokyo']
}

df = pd.DataFrame(data)

# 计算年龄的平均值
mean_age = df['age'].mean()

print('Mean age:', mean_age)

输出结果：

Mean age: 30.5

Pandas库的数据清洗

Pandas库提供了各种数据清洗方法，例如处理缺失值和处理重复数据等。

处理缺失值

1.删除缺失值：可以使用==dropna()==函数删除包含缺失值的行或列。

import pandas as pd
df = pd.read_csv('data.csv')
df.dropna()   # 删除包含缺失值的行
df.dropna(axis=1)   # 删除包含缺失值的列

2.填充缺失值：可以使用==fillna()==函数将缺失值替换为指定值或用前一个或后一个值进行填充。

import pandas as pd
df = pd.read_csv('data.csv')
df.fillna(0)   # 将缺失值替换为0
df.fillna(method='ffill')   # 用前一个值进行填充
df.fillna(method='bfill')   # 用后一个值进行填充

3.插值缺失值：可以使用==interpolate()==函数通过线性或多项式插值方法填充缺失值。

import pandas as pd
df = pd.read_csv('data.csv')
df.interpolate(method='linear')   # 线性插值
df.interpolate(method='polynomial', order=2)   # 二次多项式插值

处理重复数据

1.查找重复行:利用函数duplicated定位重复行

import pandas as pd

# 创建一个包含重复行的DataFrame
data = {'Name': ['John', 'Jack', 'Alice', 'Bob', 'John'],
        'Age': [25, 30, 28, 22, 25]}
df = pd.DataFrame(data)

# 查找重复行
duplicate_rows_df = df[df.duplicated()]
print("重复行：")
print(duplicate_rows_df)

输出结果

重复行：
   Name  Age
4  John   25

2.删除重复行:利用函数drop_duplicates:

import pandas as pd

# 创建一个包含重复行的DataFrame
data = {'Name': ['John', 'Jack', 'Alice', 'Bob', 'John'],
        'Age': [25, 30, 28, 22, 25]}
df = pd.DataFrame(data)

# 删除重复行
df = df.drop_duplicates()
print(df)

输出结果：

   Name  Age
0  John   25
1  Jack   30
2  Alice  28
3  Bob   22

3.查找重复列:利用函数transpose进行行列转换

import pandas as pd

# 创建一个包含重复列的DataFrame
data = {'Name': ['John', 'Jack', 'Alice', 'Bob'],
        'Age': [25, 30, 28, 22],
        'Age': [30, 25, 22, 28]}
df = pd.DataFrame(data)

# 查找重复列
duplicate_cols_series = df.transpose().duplicated()
print("重复列：")
print(duplicate_cols_series[duplicate_cols_series])

输出结果：

1    True
dtype: bool

4.删除重复列:

import pandas as pd

# 创建一个包含重复列的DataFrame
data = {'Name': ['John', 'Jack', 'Alice', 'Bob'],
        'Age': [25, 30, 28, 22],
        'Age': [30, 25, 22, 28]}
df = pd.DataFrame(data)

# 删除重复列
df = df.transpose().drop_duplicates().transpose()
print(df)

输出结果：

   Name  Age
0  John   30
1  Jack   25
2  Alice  22
3  Bob   28