介绍
Python pandas包用于数据操作和分析，旨在让您以更直观的方式处理标记或关系数据。
基于numpy软件包构建，pandas包括标签，描述性索引，在处理常见数据格式和丢失数据方面特别强大。
pandas软件包提供了电子表格功能，但使用Python处理数据要比使用电子表格快得多，并且证明pandas非常有效。
在本教程中，我们将首先安装pandas，然后让您了解基础数据结构：Series和DataFrames。
安装 pandas
同其它Python包，我们可以使用pip安装pandas。
首先，让我们进入我们选择的本地编程环境或基于服务器的编程环境，并在那里安装pandas和它的依赖项：pip install pandas numpy python-dateutil pytz
您应该收到类似于以下内容的输出：Successfully installed pandas-0.19.2
如果您希望pandas在Anaconda中安装，可以使用以下命令执行此操作：conda install pandas
此时，您已经准备好开始使用pandas软件包了。
Series
在pandas，Series是一维数组，可以容纳任何数据类型。轴标签统称为索引。
让我们在命令行中启动Python解释器，如下所示：python
在解释器中，将numpy和pandas包导入您的命名空间：import numpy as np
import pandas as pd
在我们使用Series之前，让我们来看看它通常是什么样的：s = pd.Series([data], index=[index])
您可能会注意到数据的结构类似于Python 列表。
没有声明索引
我们将输入整数数据，然后为Series提供name参数，但我们将避免使用index参数来查看pandas如何隐式填充它：s = pd.Series([0, 1, 4, 9, 16, 25], name='Squares')
现在，让我们打电话给系列，这样我们就可以看到pandas的作用：s
我们将看到以下输出，左列中的索引，右列中的数据值。列下方是有关系列名称和组成值的数据类型的信息。0 0
1 1
2 4
3 9
4 16
5 25
Name: Squares, dtype: int64
虽然我们没有提供数组的索引，有一个隐含加入的整数值的0到5。
声明索引
正如上面的语法向我们展示的那样，我们也可以使用显式索引创建Series。我们将使用有关地球海洋平均深度的数据：avg_ocean_depth = pd.Series([1205, 3646, 3741, 4080, 3270], index=['Arctic', 'Atlantic', 'Indian', 'Pacific', 'Southern'])
在构建系列之后，让我们调用它来查看输出：avg_ocean_depthArctic 1205
Atlantic 3646
Indian 3741
Pacific 4080
Southern 3270
dtype: int64
我们可以看到我们提供的索引在左侧，右侧是值。
索引和切片系列
使用pandasSeries，我们可以通过相应的数字索引来检索值：avg_ocean_depth[2]3741
我们还可以按索引号切片来检索值：avg_ocean_depth[2:4]Indian 3741
Pacific 4080
dtype: int64
另外，我们可以调用索引的值来返回它对应的值：avg_ocean_depth['Indian']3741
我们还可以使用索引的值进行切片以返回相应的值：avg_ocean_depth['Indian':'Southern']Indian 3741
Pacific 4080
Southern 3270
dtype: int64
请注意，在最后一个示例中，使用索引名称进行切片时，这两个参数是包容性的而不是独占的。
让我们用quit()退出Python解释器。
用字典初始化的系列
有了pandas，我们也可以用字典数据类型来初始化一个系列。这样，我们不会将索引声明为单独的列表，而是使用内置键作为索引。
让我们创建一个名为ocean.py的文件，并添加以下字典并调用它来打印它。import numpy as np
import pandas as pd
avg_ocean_depth = pd.Series({
'Arctic': 1205,
'Atlantic': 3646,
'Indian': 3741,
'Pacific': 4080,
'Southern': 3270
})
print(avg_ocean_depth)
现在我们可以在命令行上运行该文件：python ocean.py
我们将收到以下输出：OutputArctic 1205
Atlantic 3646
Indian 3741
Pacific 4080
Southern 3270
dtype: int64
系列以有条理的方式显示，左侧是索引（由我们的键组成），右侧是一组值。
这将像其他Python字典一样，您可以通过调用键来访问值，我们可以这样做：...
print(avg_ocean_depth['Indian'])
print(avg_ocean_depth['Atlantic':'Indian'])3741
Atlantic 3646
Indian 3741
dtype: int64
但是，这些系列现在是Python对象，因此您将无法使用字典功能。
Python词典提供了另一种表单来在pandas中设置Series。
DataFrames
DataFrame是二维标记的数据结构，其具有可由不同数据类型组成的列。
DataFrame类似于电子表格或SQL表。通常，在使用pandasDataFrame 时，DataFrames将是您将使用的最常用对象。
要了解pandasDataFrame的工作原理，让我们设置两个Series，然后将它们传递给DataFrame。第一个系列将是我们之前的avg_ocean_depth系列，第二个max_ocean_depth系列将包含地球上每个海洋最大深度的数据，以米为单位。import numpy as np
import pandas as pd
avg_ocean_depth = pd.Series({
'Arctic': 1205,
'Atlantic': 3646,
'Indian': 3741,
'Pacific': 4080,
'Southern': 3270
})
max_ocean_depth = pd.Series({
'Arctic': 5567,
'Atlantic': 8486,
'Indian': 7906,
'Pacific': 10803,
'Southern': 7075
})
设置这两个系列之后，让我们将DataFrame添加到max_ocean_depth系列下方的文件底部。在我们的示例中，这两个系列都具有相同的索引标签，但如果您使用具有不同标签的Series，则会标记缺失值NaN。
这是以我们可以包含列标签的方式构造的，我们将其声明为Series'变量的键。要查看DataFrame的外观，让我们发出一个打印它的调用。...
max_ocean_depth = pd.Series({
'Arctic': 5567,
'Atlantic': 8486,
'Indian': 7906,
'Pacific': 10803,
'Southern': 7075
})
ocean_depths = pd.DataFrame({
'Avg. Depth (m)': avg_ocean_depth,
'Max. Depth (m)': max_ocean_depth
})
print(ocean_depths)Avg. Depth (m) Max. Depth (m)
Arctic 1205 5567
Atlantic 3646 8486
Indian 3741 7906
Pacific 4080 10803
Southern 3270 7075
输出显示我们的两个列标题以及每个列标题下的数字数据，字典键中的标签位于左侧。
在DataFrame中对数据进行排序
我们可以使用DataFrame.sort_values(by=...)函数对DataFrame中的数据进行排序。
例如，让我们使用ascending布尔参数，该参数可以是True或False。注意，ascending是我们可以传递给函数的参数，但descending不是。...
print(ocean_depths.sort_values('Avg. Depth (m)', ascending=True))Avg. Depth (m) Max. Depth (m)
Arctic 1205 5567
Southern 3270 7075
Atlantic 3646 8486
Indian 3741 7906
Pacific 4080 10803
现在，输出显示最左侧整数列中从低值到高值的数字。
使用DataFrames进行统计分析
接下来，让我们来看看一些总结的统计数据，我们可以用DataFrame.describe()功能从pandas收集。
在不传递特定参数的情况下，DataFrame.describe()函数将为数值数据类型提供以下信息：
返回这是什么意思count频率计数; 事情发生的次数
mean平均值或平均值
std标准偏差，用于表示数据变化范围的数值
min集合中的最小或最小数字
25%第25百分位数
50%第50百分位数
75%第75百分位数
max集合中的最大或最大数字
让我们通过使用describe()函数调用我们的ocean_depthsDataFrame 让Python打印出这个统计数据：...
print(ocean_depths.describe())
当我们运行此程序时，我们将收到以下输出：Output Avg. Depth (m) Max. Depth (m)
count 5.000000 5.000000
mean 3188.400000 7967.400000
std 1145.671113 1928.188347
min 1205.000000 5567.000000
25% 3270.000000 7075.000000
50% 3646.000000 7906.000000
75% 3741.000000 8486.000000
max 4080.000000 10803.000000
现在，您可以将此处的输出与原始DataFrame进行比较，并在将其视为一个组时更好地了解地球海洋的平均深度和最大深度。
处理缺失值
通常在处理数据时，您将缺少值。pandas软件包提供了许多不同的方法来处理丢失的数据，这些null数据是指由于某种原因不存在的数据或数据。在pandas中，这被称为NA数据并被渲染为NaN。
我们使用DataFrame.dropna()函数去了下降遗漏值，使用DataFrame.fillna()函数填补缺失值。这将确保您在开始时不会遇到问题。
让我们创建一个名为user_data.py的新文件并使用一些缺少值的数据填充它并将其转换为DataFrame：import numpy as np
import pandas as pd
user_data = {'first_name': ['Sammy', 'Jesse', np.nan, 'Jamie'],
'last_name': ['Shark', 'Octopus', np.nan, 'Mantis shrimp'],
'online': [True, np.nan, False, True],
'followers': [987, 432, 321, np.nan]}
df = pd.DataFrame(user_data, columns = ['first_name', 'last_name', 'online', 'followers'])
print(df)
当我们运行程序时，我们的打印调用向我们显示以下输出：first_name last_name online followers
0 Sammy Shark True 987.0
1 Jesse Octopus NaN 432.0
2 NaN NaN False 321.0
3 Jamie Mantis shrimp True NaN
这里有很多缺失的值。
让我们首先使用dropna()删除缺失的值。...
df_drop_missing = df.dropna()
print(df_drop_missing)
由于在我们的小数据集中只有一行没有任何值丢失，因此在运行程序时，这是唯一保持完整的行：first_name last_name online followers
0 Sammy Shark True 987.0
作为删除值的替代方法，我们可以使用我们选择的值填充缺失值，例如0。这个我们将使用DataFrame.fillna(0)实现。
删除或注释掉我们添加到文件中的最后两行，并添加以下内容：...
df_fill = df.fillna(0)
print(df_fill)
当我们运行程序时，我们将收到以下输出：first_name last_name online followers
0 Sammy Shark True 987.0
1 Jesse Octopus 0 432.0
2 0 0 False 321.0
3 Jamie Mantis shrimp True 0.0
现在我们所有的列和行都是完整的，而不是像我们的值NaN一样，我们现在已经用0填充了这些空格。您会注意到在适当的时候使用浮动。
此时，您可以对数据进行排序，进行统计分析以及处理DataFrame中的缺失值。
结论
本教程介绍了使用pandasPython 3 进行数据分析的介绍性信息。您现在应该已经安装pandas，并且可以使用pandas中的Series和DataFrames数据结构。
想要了解更多关于安装pandas包和使用数据结构的相关教程，请前往腾讯云+社区学习更多知识。参考文献：《How To Install the pandas Package and Work with Data Structures in Python 3》
1448
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
