python计算活了多少天_科学计算Python2小时-数据处理：pandas

Pandas是Python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。经过多年不懈的努力，Pandas 离这个目标已经越来越近了。

作者

header： 本文撰写工作已经

同步发布至知乎专栏：建模数学

系列文章(科学计算Python2小时)目录：李似：科学计算Python2小时-前言与目录​zhuanlan.zhihu.com

pandas的资料超级多，这里举几个典型的例子。

Joyful Pandas 是一份非常详尽的pandas入门手册，包括索引、分组、变形、连接等一系列在实际编程环境中可能会用到的办法。这个东西是datawhale出的一本手册，我也不太清楚他们是搜集的一些内容还是自己从头编写的，反正知识非常的丰富。入门的话可以直接从里面的例题入手，反正时间上也没几天了，你肯定全都看不完。把里面的例题能读懂，然后跑随便跑一跑试一试就可以了。

再有就是阿里云天池的一些数据分析基础入门题目。有一些没有悬赏的题目，会有比较多的公开答案发布在天池上，他们的注释和思路起来都非常的详尽，非常适合什么都不懂的小白去膜拜大佬。

比如这一份

还有这个

import pandas as pd

import numpy as np

data = pd.read_csv("NASA_Facilities.csv")

print(data.index)# 序号

print(data.columns)# 表头

RangeIndex(start=0, stop=485, step=1)

Index(['Center', 'Center Search Status', 'Facility', 'FacilityURL', 'Occupied',

'Status', 'URL Link', 'Record Date', 'Last Update', 'Country',

'Location', 'City', 'State', 'Zipcode'],

dtype='object')

data.head(5) #前5行

#data.tail(5) # 后5行

data.info() # 数据的统计量

data['State'].unique() # 相当于取set 指提取出不重复项

array(['MS', 'CA', 'MD', 'OH', 'AL', 'LA', 'TX', 'FL', 'DC', 'VA'],

dtype=object)

data['State'].value_counts() # 提取出不重复项及频数

AL 136

FL 84

VA 60

CA 56

OH 42

MD 32

MS 29

DC 23

LA 17

TX 6

Name: State, dtype: int64

data['State'].value_counts().head(3) # 这些方法也可以取前若干行哦

AL 136

FL 84

VA 60

Name: State, dtype: int64

data[['Center','Location','State']]# 或者我们只对其中若干列感兴趣

dataIndex = data.set_index('State')# 以State作为索引

dataIndex.loc['MS'].head() # 提取出State==MS的数据行

data.isna().sum().nlargest()#或者我们先统计一下有没有缺失数据 输出最大的5个

FacilityURL 485

URL Link 340

Occupied 92

Status 86

Last Update 6

dtype: int64