1. 简单介绍
pandas 是专为 python 编程语言设计的高性能,简单易用的数据结构和数据分析工具库,它建立在 numpy 之上,可以许多第三方库完美集成在同一个科学计算环境中。pandas 被广泛应用于金融,统计,社会科学和许多工程技术领域,处理典型数据分析案例。
2. 安装
pandas 支持 conda 和 pip 两种方式安装。
conda 安装:
conda install pandas
pip 安装:
pip install pandas
截至本文写作之时,官方最新发布版本是 v0.25.1,发布时间为2019年8月22日。最新版本是 0.25.x 系列的bug修复版,建议更新。更新方式如下:
pip install --upgrade pandas
3. 数据结构
pandas 有两种主要的数据结构:Series
(1维)和 DataFrame
(2维)。
下面分别介绍这两种数据结构,首先在我们的 python 脚本或 jupyter notebook 中导入 pandas,业界惯例缩写为 pd。
import pandas as pd
3.1 Series
Series 是一维标记数组,能够保存任何数据类型(整数,字符串,浮点数,Python对象等)。 轴标签统称为索引。
3.1.1 创建 Series
通过列表创建:
data = [1, 2, 3]
pd.Series(data)
0 1
1 2
2 3
dtype: int64
通过字典创建:
data = {
'a': 1, 'b': 2, 'c': 3}
pd.Series(data)
a 1
b 2
c 3
dtype: int64
通过 index 参数设置索引(标签):
data = [1, 2, 3]
index = ['a', 'b', 'c']
pd.Series(data, index=index)
a 1
b 2
c 3
dtype: int64
通过标量创建(相同值),并设置索引(标签,不能重复):
data = 0
index = ['a', 'b', 'c']
pd.Series(data, index=index)
a 0
b 0
c 0
dtype: int64
3.1.2 访问 Series
s = pd.Series(