本文介绍了Pandas模块在数据挖掘中的重要性，特别是其高级数据结构——序列（Series）和数据框（DataFrame）。数据框作为虚拟数据库，允许快速按索引访问数据。系列则是一维结果的集合，常用于时间序列分析。文章还探讨了数据框的创建、列的获取以及基础数据处理方法，包括向量化操作和列的增删查改。
Pandas模块是一个强大的数据分析和处理模块，能为复杂情形下的数据提供坚实的基础分析功能。
所谓的复杂情形，可能有以下三种：
①数据库表或Excel表，包含了多列不同数据类型的数据（如数字、文字）
②时间序列类型的数据，包括有序和无序的情形，甚至是频率不固定的情形
③任意的矩阵型、二维表、观测统计数据，允许独立的行或列带有标签
下面介绍Pandas模块中的基本的高级数据结构，以及Pandas模块中经典的数据分析和处理方法
一。pandas中的高级数据结构
- 序列（Series）
- 数据框（DataFrame）
有了它们，可以利用pandas在计算机内存中构建一个虚拟的数据库。
1. 数据框
| age | cash | id | |
| 0 | 18 | 10.53 | Jack |
| 1 | 35 | 500.70 | Sarah |
| 2 | 20 | 13.60 |
最低0.47元/天 解锁文章
863
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
