Pandas库简介及函数说明

简介

Pandas 是一个开源的数据分析和数据处理库，构建在 Python 编程语言之上。它提供了高效、灵活、易于使用的数据结构和数据操作工具，使得在 Python 中进行数据清洗、数据处理、数据分析和数据可视化变得更加简单和快捷。

Pandas 的核心数据结构包括：

• Series：一维带标签的数组，类似于 Python 的字典或者数组。
• DataFrame：二维带标签的数据结构，可以看作是由多个 Series 组成的表格，类似于关系型数据库中的表格。

Pandas 提供了丰富的功能，包括：

• 数据读取和写入：支持多种格式的数据读取和写入，如 CSV、Excel、SQL 数据库、JSON、HTML 等。
• 数据清洗和处理：提供了丰富的数据清洗和处理工具，如缺失值处理、重复值处理、数据合并和连接、数据变形等。
• 数据分析和计算：支持基本的统计分析、数据筛选、数据分组和聚合操作、时间序列分析等。
• 数据可视化：集成了 Matplotlib，提供了简单易用的数据可视化功能，如折线图、柱状图、散点图、箱线图等。
• Pandas 是进行数据分析和数据处理的重要工具，广泛应用于金融、经济、科学、工程、医疗等领域。

常用函数说明

创建

pd.Series（）

pd.Series() 函数返回一个 Pandas Series 对象，它是一个带有索引的一维数组，类似于 Python 的字典。

以下是一个示例，展示了如何使用 pd.Series() 函数创建 Pandas Series 对象：

import pandas as pd

# 从列表创建 Series 对象
s1 = pd.Series([1, 2, 3, 4, 5])

# 从字典创建 Series 对象
data = {'a': 0, 'b': 1, 'c': 2}
s2 = pd.Series(data)

# 指定索引创建 Series 对象
s3 = pd.Series([10, 20, 30], index=['x', 'y', 'z'])

# 输出 Series 对象
print("从列表创建的 Series 对象：")
print(s1)

print("\n从字典创建的 Series 对象：")
print(s2)

print("\n指定索引创建的 Series 对象：")
print(s3)

pd.DataFrame（）

pd.DataFrame() 函数返回一个 Pandas DataFrame 对象，它是一个二维数据结构，类似于电子表格或关系型数据库中的表格。

以下是一个示例，展示了如何使用 pd.DataFrame() 函数创建 Pandas DataFrame 对象：

import pandas as pd

# 从字典创建 DataFrame 对象
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [25, 30, 35, 40],
        'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}
df1 = pd.DataFrame(data)

# 指定行索引和列索引创建 DataFrame 对象
data = [[1, 'Alice', 25], [2, 'Bob', 30], [3, 'Charlie', 35]]
df2 = pd.DataFrame(data, columns=['ID', 'Name', 'Age'], index=['a', 'b', 'c'])

# 输出 DataFrame 对象
print("从字典创建的 DataFrame 对象：")
print(df1)

print("\n指定行索引和列索引创建的 DataFrame 对象：")
print(df2)

数据处理

转换到array

DataFrame.values -[属性]

使用 DataFrame.values 属性可以方便地将 DataFrame 数据转换为 NumPy 数组，以便进行数值计算、科学计算或者与其他库进行集成。

删除指定行列

df.dropna()

import pandas as pd

# 假设 df 是你的 DataFrame
# df.dropna(subset=['date'])  # 这一行会删除 'date' 列中有缺失值的行

# 示例用法：
df = pd.DataFrame({'date': [None, '2024-03-09', '2024-03-10', '2024-03-11'],
                   'value': [1, 2, 3, 4]})
print("在删除缺失值之前：")
print(df)

df.dropna(subset=['date'], inplace=True)  # 删除 'date' 列中有缺失值的行
print("\n删除缺失值之后：")
print(df)

在这个示例中，使用 dropna() 方法并通过 subset 参数指定了列 ‘date’，以删除 ‘date’ 列中具有缺失值的行。此外，使用了 inplace=True 来就地修改 DataFrame。

文件存读取

pd.read_csv（）

pd.read_csv() 是 Pandas 库中的一个函数，用于从 CSV 文件中读取数据并创建一个 Pandas DataFrame 对象。