数据分析pandas 基础介绍

文章目录

 

• 前言
• 一、pandas是什么？
  • pandas介绍
  • pandas与numpy的区别

• ---

  二、使用步骤
  • 1.引入库
  • 2.读入数据
  • 3.基本操作
  • 4.查询
  • 5.替换、修改列名
  • 6空值、缺失值处理及一些统计函数 

1.  数据分析三巨头 Numpy、Pandas、Matplotlib

---

---

前言

pandas 是Python data analysis 的缩写，是基于Numpy和matplotlib的数据分析库，pandas是在numpy的基础上实现的，所有pandas与numpy有一定的相似之处。

---

一、pandas是什么？

1、pandas介绍

        pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建。Pandas 是 Python (opens new window)的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观地处理关系型、标记型数据。Pandas 的目标是成为 Python 数据分析实践与实战的必备高级工具，其长远目标是成为最强大、最灵活、可以支持任何语言的开源数据分析工具。      

        pandas 适用于处理以下类型的数据：

• 与 SQL 或 Excel 表类似的，含异构列的表格数据;
• 有序和无序（非固定频率）的时间序列数据;
• 带行列标签的矩阵数据，包括同构或异构型数据;
• 任意其它形式的观测、统计数据集, 数据转入 Pandas 数据结构时不必事先标记。

        Pandas 的主要数据结构是 Series (opens new window)（一维数据）与 DataFrame (opens new window)（二维数据），这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。对于 R 用户，DataFrame 提供了比 R 语言 data.frame 更丰富的功能。Pandas 基于 NumPy (opens new window)开发，可以与其它第三方科学计算支持库完美集成。

        Pandas 就像一把万能瑞士军刀，下面仅列出了它的部分优势 ：

• 处理浮点与非浮点数据里的缺失数据，表示为 NaN；
• 大小可变：插入或删除 DataFrame 等多维对象的列；
• 自动、显式数据对齐：显式地将对象与一组标签对齐，也可以忽略标签，在 Series、DataFrame 计算时自动与数据对齐；
• 强大、灵活的分组（group by）功能：<