Python学习:Pandas模块入门学习

一、介绍

官网：熊猫文档 — 熊猫 2.0.0 文档 (pydata.org)

pandas 是一个 Python 包，提供快速， 灵活且富有表现力的数据结构，旨在使 “关系”或“标记”数据既简单又直观。它的目标是成为 用于执行实际真实世界数据的基本高级构建块 分析在 Python 中。此外，它还有一个更广泛的目标，即成为 最强大、最灵活的开源数据分析/操作工具 提供任何语言版本。它已经在朝着这个目标迈进。

熊猫非常适合许多不同类型的数据：

• 具有异类类型列的表格数据，如在 SQL 表中或 Excel电子表格

• 有序和无序（不一定是固定频率）时间序列数据。

• 具有行和 列标签

• 任何其他形式的观察/统计数据集。数据 根本不需要标记即可放入熊猫数据结构中

 二、使用

1.包的导入

       由于Pandas模块属于第三方库，故使用之前先确保自己已经安装了该库，如未安装，可以在开发环境的终端输入：

pip install pandas

来进行安装，安装完成后如下图所示（以VS CODE为例）：

 2.创建一张表格

(1)DataFrame:

Pandas是一个强大的Python数据分析库，提供了高效的数据结构和数据分析工具。其中的DataFrame就是Pandas的一个核心数据结构，它是一个二维表格，可以存储不同类型的数据，并且可以对数据进行各种操作。

以下是一个创建DataFrame的例子：

如果我想使用Python来建立一个表格，我可以通过DataFrame函数来实现：

import pandas as pd
df=pd.DataFrame(
    {
        'Names':['Python',
                 'Java',
                 'C++',
                 'R',],
        'Year':[1989,1990,1983,1980],
    }
)
print(df)

在这个例子中，我们使用了一个字典来创建DataFrame，其中字典的键是列名，而值是列数据。Pandas将这个字典转换为DataFrame，并自动为每一列生成一个默认的整数索引。我们可以使用print(df)来打印DataFrame，输出结果如下： 

    Names  Year
0  Python  1989
1    Java  1990
2     C++  1983
3       R  1980

如果我想单独使用某一列数据，我可以输入:

print(df['Year'])

结果如下图所示:

0    1989
1    1990
2    1983
3    1980
Name: Year, dtype: int64

除了从字典创建DataFrame之外，还有很多其他的方式可以创建DataFrame，例如从CSV文件、数据库、Excel文件等中读取数据，或者手动创建一个空的DataFrame并逐步填充数据。

在创建DataFrame之后，我们可以使用各种方法来操作数据，例如选择子集、过滤、排序、合并、分组、聚合等等。Pandas提供了非常丰富的操作方法和函数，可以帮助我们完成各种复杂的数据处理任务。

（2）Series：

Pandas的Series是另一个重要的数据结构，它是一个一维数组，可以存储不同类型的数据。和DataFrame类似，Series也有一个默认的整数索引，但是我们可以为其指定自定义的索引。

以下是一个创建Series的例子：

import pandas as pd

# 创建Series
data = [10, 20, 30, 40, 50]
s = pd.Series(data)

# 打印Series
print(s)

在这个例子中，我们使用一个列表来创建Series，其中列表的元素是数值。Pandas将这个列表转换为Series，并自动为每个元素生成一个默认的整数索引。我们可以使用print(s)来打印Series，输出结果如下：

0    10
1    20
2    30
3    40
4    50
dtype: int64

除了从列表创建Series之外，还有很多其他的方式可以创建Series，例如从字典、Numpy数组、标量等中创建。和DataFrame一样，Series也可以使用各种方法来操作数据，例如选择子集、过滤、排序、合并、分组、聚合等等。

（3）对数据帧或系列执行某些操作：

.max:

print(df['Year'].max)

结果：

1    1990
2    1983
3    1980
Name: Year, dtype: int64

.min同理

如果我对我的数据表的数值数据的一些基本统计感兴趣:

df.describe()是一个Pandas DataFrame对象的方法，用于生成DataFrame中数值列的汇总统计信息。

默认情况下，df.describe()会返回以下统计数据：

• count：非空值的数量
• mean：平均值
• std：标准差
• min：最小值
• 25%：第一个四分位数，即25%分位数
• 50%：第二个四分位数，即中位数
• 75%：第三个四分位数，即75%分位数
• max：最大值

print(df.describe())

              Year
count     4.000000
mean   1985.500000
std       4.795832
min    1980.000000
25%    1982.250000
50%    1986.000000
75%    1989.250000
max    1990.000000

3.对表格的存储与读取：

（1）表格的保存:

to_csv()：

根据上面那个例子，如果我们想将创建的表格以csv的形式保存到本地，我们可以使用该代码:

df.to_csv('C:/Users/94152/Desktop/test.csv',index=False)

该方法接受文件路径作为参数，可以是相对或绝对路径,上述我们使用to_csv()方法将其保存为名为test.csv的csv文件。index=False参数表示不保存行索引

保存后的文件如下图所示:

 （2）表格的读取：

read_csv()：

要读取csv文件到pandas DataFrame中，可以使用read_csv()方法：

df=pd.read_csv('C:/Users/94152/Desktop/test.csv')
print(df)

运行结果:

    Names  Year
0  Python  1989
1    Java  1990
2     C++  1983
3       R  1980

head() and tail()

如果要读取表格的前几行，可以输入:

df=pd.read_csv('C:/Users/94152/Desktop/test.csv')
print(df.head(2))

其中'2'是行数，结果如图所示:

    Names  Year
0  Python  1989
1    Java  1990

同理，想要读取末尾的，也可以使用

print(df.tail(2))

  Names  Year
2   C++  1983
3     R  1980

dtypes:

查看数据类型：

print(df.dtypes)

Names    object
Year      int64
dtype: object

参考资料

pandas documentation — pandas 2.0.0 documentation (pydata.org)