python数据分析工具包_熊猫入门强大的Python数据分析工具包-经管之家官网！

熊猫入门强大的Python数据分析工具包

1.简介

大熊猫

首先，Pandas是用于数据分析的开源Python库。它包含数据处理和数据结构工具，这些工具旨在生成类似于电子表格的数据，以便在Python中快速，轻松地进行加载，操作，合并，清理以及其他功能。它通常与scikit-learn等分析库，matplotlib等数据可视化库以及NumPy和SciPy等数值计算工具一起使用。

1.1熊猫数据结构简介

Pandas向Python引入了新的数据类型：Series和DataFrame。这两个主力数据结构并不是针对每个问题的通用解决方案，但它们为大多数应用程序提供了坚实的基础。该数据帧代表整个电子表格或数据的retangular表，而该系列的是一列数据帧。

系列

系列是一维类似数组的对象，包含一个值序列和一个关联的数据标签数组，称为其索引。它类似于内置的Python 列表。

这是数据数组的示例。

数据数组

这是系列的字符串表示形式。它显示在左边的指数和右边的值。我们尚未指定索引，因此将创建一个默认索引。您可以分别通过其值和索引属性获得Series的数组表示形式和索引对象：

数组表示和索引对象

您可以创建一个带有指向每个数据的标签的系列：

带标签的数组表示

此外，选择单个值或一组值时，可以在索引中使用标签：

一个值和一组值

另外，我们可以使用NumPy函数或类似NumPy的操作，例如标量乘法，使用布尔数组过滤或应用数学函数，这些操作将保留索引值链接：

NumPy函数和类似NumPy的操作

我们可以将Series用作专业词典。字典是将任意键映射到一组任意值的结构，而Series是将已键入键映射到一组类型值的结构。

通过直接从Python字典构造一个Series对象，我们可以使“ 按字典分类”的类比更加清晰：

系列作为字典

默认情况下，将创建一个Series，其中从排序的键中提取索引。从这里，可以执行典型的字典式项目访问：

但是，与字典不同，该系列还支持数组式操作，例如切片：

当您仅传递字典时，所得系列中的索引将按排序顺序排列字典的键。您可以通过按希望它们在结果系列中出现的顺序传递dict键来覆盖此设置：

覆写

由于“柏林”没有值，因此显示为NaN(非数字)。

现在，您可以使用isnull和notnull函数检测丢失的数据。

虚函数和非虚函数

系列还具有以下作为实例方法：

对于算术运算，系列功能会根据索引名称自动对齐。此外，系列对象本身及其索引都具有名称属性：

数据框

首先，让我们澄清一下术语DataFrame。

在Pandas中，它是带有标记轴(行和列)的两个维度的大小可变的，可能是异构的表格数据结构。算术运算在行和列标签上对齐。可以作为Series对象的类似dict的容器来使用。在后台，数据存储为一个或多个二维块，而不是列表，字典或其他一些一维数组的集合。

数据框架

数据帧函数data.frame()创建数据帧，紧密耦合的变量集合，这些变量共享许多…

www.rdocumentation.org

让我们来看看这个。

让我们首先构造一个新的系列，列出前面讨论的四个州的面积。现在我们有了上面的人口系列，我们可以使用字典来构造一个包含此信息的二维对象：

现在我们可以通过DataFrame的index属性访问索引标签.DataFrame还有一个column属性，这是一个包含列标签的索引对象。

索引属性

因此，可以将DataFrame视为二维NumPy数组的一般化，其中行和列均具有用于访问数据的一般化索引。

我们还可以将DataFrame视为字典的一种特殊形式。该数据帧一个映射列名的系列列数据，其中一个字典映射一个键的值。现在我们得到Series对象：

制图

注意： 对于DataFrame，data ['col0']将返回第一列。在二维NumPy数组中，data [0]将返回第一列。虽然DataFrame在物理上是二维的，但您可以使用它以表格格式表示更高维的数据，并使用层次化索引(也称为multi-indexing)在单个索引中合并多个索引级别。分层索引是更常见的做法，但Pandas还提供Panel和Panel4d 处理三维和三维数据的对象。

我们可以通过多种方式构造DataFrame对象。

从词典列表

从单个Series对象

从系列对象的字典中

从二维NumPy数组

从NumPy结构化数组

从词典列表

从单个Series对象

从系列对象的字典中

从二维NumPy数组

从NumPy结构化数组

这是熊猫数据分析的简短介绍。要进一步阅读，您可以从Wes McKinney撰写的O'Reilly Python for Data Analysis，第二版中获得这本书。此外，您绝对应该浏览参考，当然也可以尝试一下。

https://pic.jg.com.cn/img/pinggu/c2d3f9902d687474703a2f2f6564752e6364612e636e2f66696c65732f64656661756c742f323032302f30372d30382f3131353830313935626234323037323832322e706e67996b467026.jpg

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！

扫码或添加微信号：坛友素质互助

「经管之家」APP：经管人学习、答疑、交友，就上经管之家！

免流量费下载资料----在经管之家app可以下载论坛上的所有资源，并且不额外收取下载高峰期的论坛币。

涵盖所有经管领域的优秀内容----覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库，各类资料应有尽有。

来自五湖四海的经管达人----已经有上千万的经管人来到这里，你可以找到任何学科方向、有共同话题的朋友。

经管之家(原人大经济论坛)，跨越高校的围墙，带你走进经管知识的新世界。

扫描下方二维码下载并注册APP