本文介绍了Pandas在数据分析中的重要性，包括其基于NumPy的DataFrame和Series数据结构。讨论了如何进行数据清洗，如删除行和列、重命名列、处理重复值以及数据格式转换。此外，还详述了数据统计操作，如求和、描述统计、极值索引及数据合并方法，如不同类型的连接操作。Pandas不仅支持CSV和Excel文件，还能处理数据库数据。
在数据分析工作中，Pandas 的使用频率是很高的，一方面是因为 Pandas 提供的基础数据结构 DataFrame 与 json 的契合度很高，另一方面，如果我们日常的数据清理工作不是很复杂，往往几句简单的代码就可以进行规范。
Pandas 是基于 NumPy 构建的有更高级数据结构和分析能力的工具包。在 NumPy 中数据结构是围绕 ndarray 展开的，Pandas中的数据结构是Series和DataFrame。
Series是一个定长的字典序列，有两个基本属性，index和values，默认使用0，1，2，3.....递增的整数序列，也可以自己制定索引。
DataFrame类型数据结构类似数据库表，包括了行索引和列索引，可以看成由相同索引的Series组成的字典类型。
数据的清洗
删除DataFrame中的行或者列。
最低0.47元/天 解锁文章
5万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
