小白也能看懂的 Pandas 使用教程

介绍

Pandas 是一个强大的数据分析工具，它使得在 Python 中处理和分析数据变得更加简单。它主要通过两种数据结构来处理数据：Series 和 DataFrame。Series 适用于一维数据，而 DataFrame 适用于二维表格型数据。这个教程将为您介绍 Pandas 的基本概念和常用操作。

安装 Pandas

首先，确保您已经安装了 Pandas。如果没有安装，可以通过以下命令安装：

pip install pandas

引入 Pandas

在使用 Pandas 之前，需要先引入它：

import pandas as pd

创建一个 Series

# 创建一个简单的 Series
data = [1, 2, 3, 4, 5]
s = pd.Series(data)

print(s)

输出：

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

创建一个 DataFrame

# 创建一个简单的 DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [25, 30, 35, 40],
        'City': ['New York', 'San Francisco', 'Los Angeles', 'Chicago']}
df = pd.DataFrame(data)

print(df)

输出：

    Name  Age           City
0  Alice   25       New York
1    Bob   30  San Francisco
2 Charlie   35    Los Angeles
3  David   40        Chicago

读取和保存数据

Pandas 可以方便地从各种数据源读取数据，例如 CSV 文件、Excel 文件等。以下是一个读取 CSV 文件的例子：

# 从 CSV 文件读取数据
df = pd.read_csv('example.csv')

# 显示前几行数据
print(df.head())

如果您想将 DataFrame 中的数据保存到文件中：

# 将 DataFrame 保存为 CSV 文件
df.to_csv('output.csv', index=False)

数据选择和过滤

Pandas 允许您轻松地选择和过滤数据：

# 选择单列
print(df['Name'])

# 选择多列
print(df[['Name', 'Age']])

# 使用条件过滤数据
print(df[df['Age'] > 30])

数据排序

# 按某列升序排序
df_sorted = df.sort_values(by='Age')

# 按某列降序排序
df_sorted_desc = df.sort_values(by='Age', ascending=False)

描述性统计

# 显示数据的描述性统计信息
print(df.describe())

数据操作

Pandas 支持各种数据操作，例如添加新列、删除列、合并数据等。

# 添加新列
df['New_Column'] = df['Age'] * 2

# 删除列
df = df.drop('New_Column', axis=1)

# 合并两个 DataFrame
df1 = pd.DataFrame({'A': ['A0', 'A1'], 'B': ['B0', 'B1']})
df2 = pd.DataFrame({'A': ['A2', 'A3'], 'B': ['B2', 'B3']})
result = pd.concat([df1, df2], ignore_index=True)