Google机器学习入门--Pandas 简介

Pandas 简介

学习目标：

• 大致了解 pandas 库的 DataFrame 和 Series 数据结构
• 存取和处理 DataFrame 和 Series 中的数据
• 将 CSV 数据导入 pandas 库的 DataFrame
• 对 DataFrame 重建索引来随机打乱数据

---

pandas 中的主要数据结构被实现为以下两类：

DataFrame，您可以将它想象成一个关系型数据表格，其中包含多个行和已命名的列。
Series，它是单一列。DataFrame 中包含一个或多个 Series，每个 Series 均有一个名称。
数据框架是用于数据操控的一种常用抽象实现形式。Spark 和 R 中也有类似的实现。

---

创建 Series 的一种方法是构建 Series 对象。例如：

pd.Series(['San Francisco', 'San Jose', 'Sacramento'])

您可以将映射 string 列名称的 dict 传递到它们各自的 Series，从而创建DataFrame对象。如果 Series 在长度上不一致，系统会用特殊的 NA/NaN 值填充缺失的值。例如：

city_names = pd.Series(['San Francisco', 'San Jose', 'Sacramento'])
population = pd.Series([852469, 1015785, 485199])
cities = pd.DataFrame({ 'City name': city_names, 'Population': population })

---

DataFrames 的修改方式也非常简单。例如，以下代码向现有 DataFrame 添加了两个 Series：

cities['Area square miles'] = pd.Series([46.87, 176.53, 97.92])
cities['Population density'] = cities['Population'] / cities['Area square miles']
cities

index	City name	Population	Area square miles	Population density
0	San Francisco	852469	46.87	18187
1	San Jose	1015785	176.53	5754.177760
2	Sacramento	485199	97.92	4955.055147