pandas 切片_你知道pandas库吗？7分钟内快速了解

    你想学习数据科学吗？你想分析大量数据吗？你是否想只用几行代码来操作Excel和CSV呢？如果你的答案是肯定的，那么，Pandas就是你在找的库。它是Python最受追捧的库之一，并且很容易上手。那你还在犹豫什么？看完本篇本文章，你将学习到Pandas库的使用技巧和方法。

    Pandas在数据科学中发挥着重要作用，它可帮助您建立数据科学家和数据分析师的基础技能。

1、Pandas是什么？

    数据是当今世界不可或缺的一部分。它可以帮助我们预测各种事件，并为我们的生活指明方向。Pandas帮助我们控制和操纵这些数据。因此，如果不了解Pandas的知识，您可能会完全忘了尝试成为一名数据科学家或数据分析师。Pandas是初学者使用数据的必不可少的工具。

    Pandas提供了基本的数据结构，如Series，DataFrame和Panel，可用来处理数据集和时间序列。

    它是免费使用的开放源代码库，使其成为世界上使用最广泛的数据科学库之一。

    Pandas拥有执行各种任务的能力。无论是执行诸如查找数据的均值，中位数和众数之类的任务，还是根据我们的意愿处理大型CSV文件并处理内容的任务，Pandas都能做到。简而言之，要掌握数据科学，您必须精通Pandas。

2、如何安装Pandas？

    让我们以安装Pandas的方法开始我们的Python Pandas教程。

2.1、使用Anaconda安装Pandas

    这是在系统上获取Pandas的最简单方法，建议新手和没有经验的用户使用，因为你还可以获得很多其它重要的库，例如NumPy和SciPy。你只需访问https://www.anaconda.com/distribution/#windows并下载您想要的版本。下载安装程序后，只需执行简单的设置过程即可。安装程序将为您完成所有工作，结束后，您可以轻松访问Pandas库。

2.2、用pip安装Pandas

    这也是一种简单的方法。如果你电脑上安装有Python 2或Python 3，则可以直接用pip来安装。你需要在终端或命令提示符下键入命令：

pip install pandas

3、Pandas的关键组成部分

    Pandas Series - Pandas中的序列可以看作是一维数组，用于处理和操作存储在其中的数据。

    Pandas DataFrame - 这是Pandas中的一种数据结构，由多个序列组成。通常，可以将Pandas DataFrame与二维数组进行比较。 

    这些数据结构频繁地用来存储和操作数据。

4、Pandas库的体系结构

    如果没有库的体系结构，这篇Python Pandas教程是不完整的。因此，让我们讨论下Pandas中的文件层次结构。

• pandas/core：包含有关Pandas库的数据结构。

• pandas/src：保留Pandas依赖于某些算法的基本功能。它们通常用C或Cython编写。

• pandas/io：携带工具进行输入和输出，文件，数据等

• pandas/tools：Pandas中各种功能和操作的代码和算法。例如：合并和联接，串联等。

Pandas的文件层次结构

• pandas/sparse：携带稀疏版本，即为处理Pandas中各种数据结构的缺失值而制作的版本。

• pandas/stats：包含与统计相关的函数，例如线性回归

• pandas/util：由测试工具和各种其他实用程序组成，用于调试库。pandas/rpy：包含有助于连接到R的接口。它称为R2Py

5、Python Pandas操作

    在Python Pandas教程的这一部分中，我们将执行Pandas中的一些重要功能和操作。

5.1、切片

    你可以根据需要切片或切割DataFrame以获取部分数据。它有助于筛选出对你至关重要的数据。

示例

    如果我们有一个名为“ ser”的系列数据结构，该结构由[1、4、6、7、3、8]组成，然后使用命令ser [0：3]，我们可以对数据集进行切片以得到前三项[1、4、6]

5.2、合并与关联

    顾名思义，合并有助于合并多个数据集。甚至可以选择要在两组之间保持相同的列。但是合并只能按列进行。当使用关联时，需要添加索引。

示例

    如果集合A为：

    集合B为：

    通过对这两个集合进行合并，我们可以得到：

5.3、并列

    Pandas的并列基本上是将两个数据集按行形成一个数据集。

示例

    如果集合A为：

    集合B为：

    并列之后为：

    5.4、索引变更

我们可以更改任何数据框的索引。这将有助于我们更好地进行操作。

示例

    在此数据集中，我们可以选择索引列为任何列。像“item no”一样，对其构建索引。

5.5、分组

    此功能有多种用途，主要用于根据条件将数据分组在一起。

示例

    使用groupby函数，我们可以将蔬菜和水果分组：

输出

5.6、数据转换

    它帮助我们将一种形式的数据转换为另一种形式。例如：将CSV转换为HTML。

6、Pandas的特点

Python Pandas具有很多功能。最关键的是：

• 数据操作：Pandas提供了许多功能和功能来对数据集执行各种操作。

• 处理缺失值：数据集是不完善的，并且包含许多丢失的数据。使用相关库可以有效地处理此问题。

• 文件格式支持：Pandas支持各种形式的文件，用于输入和输出目的。

• 数据清理：数据可能非常混乱。Pandas提供了多种工具，可以帮助清理数据并使数据可用于数据分析。

• 可视化：您可以直观地查看使用Pandas进行数据分析的结果。这有助于您更好地了解结果。

• Python支持：Pandas与Python一起运行。这使我们可以访问Python的其它库，例如NumPy，SciPy和MatPlotLib。

7、Pandas的应用

    Python Pandas教程的这一部分告诉您在哪里会用到Pandas。

7.1 数据分析

    它是Pandas的基本用途之一。该库能够处理大数据集，适用于分析大量的数据。使用Pandas，我们能够轻松地清理和过滤我们要分析的数据。一些使用Pandas进行数据分析的领域有：

• 经济学：很多经济学都依赖于分析数据并试图找到趋势和相似之处。Pandas在这方面非常有帮助。

• 统计学：Pandas提供了许多执行各种统计操作的功能。

• Web分析：Pandas可以帮助阅读和分析网站流量，以各种方式提供有用的见解和改进网站。

7.2 机器学习

    它有助于为模型提供数据以学习和预测结果。没有Pandas，机器学习模型将无法有效读取数据。导入数据和对其进行分析的能力非常重要。它会用在如下方面：

• 推荐系统：仅因为有Netflix和Spotify之类的机器学习网站，才能为其用户提供出色的建议。

• 金融：机器学习可用于预测库存。Pandas用于处理以前的股市交易数据，有助于预测未来的交易。

• 自然语言处理(NLP)：使用机器学习来理解人类语言及其复杂性。

8、使用Pandas的公司列表

    每个使用python研究数据科学的公司都会使用Pandas。 一些比较出名的公司包括：

• 优步

• IBM公司

• AppNexus

• 摩根大通

• 高盛

• Spotify

• 百事可乐

• AQR资本管理公司

• Vital labs

9、总结

    希望对Pandas的介绍可以帮助您了解Python库的能力。对于任何数据科学家或机器学习爱好者来说，Pandas都是必不可少的库。这两个领域都是高回报和有趣的领域，并且目前正在蓬勃发展。因此，学习Pandas已变得至关重要。

往期回顾

• Spark 3.0 重磅发布，包含3400 多个补丁，功能特性全面升级！

• 2020年使用最多的大数据分析工具

• 当Python遇上Echarts，快速图表开发，即学即用