Python数据分析_Pandas从入门到放弃（二）

Python数据分析_Pandas从入门到放弃（二）

将代码当成人类语言，用片语化（code snippets）的方法记忆，并配合。

以数据科学的角度学习Pandas

说到Python，我们第一反应就是以代码为主的编程语言，对于没有接触代码的数据分析初学者来说可能会感到痛苦，但是恰恰相反，Pandas虽然是以代码的形式进行数据处理，但是拥有数据分析的思维才是更重要的，pandas的代码量并不是很大，况且python这门语言更偏向人类能够读的懂的方式。所以，用新的眼光，数据科学的方法来使用Python来做数据分析吧！

✂️总的来说，pandas就是Python中用来处理数据（json、excel、csv…等数据文件）的模块，它非常强大，并且可以将数据输出以可视化的数据图像、表格（数据帧）等。

所谓数据分析就是：用代码去揉捏数据，对数据做加值、融合。

---

🔌pandas处理什么数据

探索，清理和处理数据在Pandas中，数据表称为DataFrame.

在pandas中我们常用的处理数据的方式是使用 pandas.DataFrame() 进行表格型数据结构的创建，里面包含”行“(index/row)和”列“(columns)，数据可以来源列表，嵌套的字典也可以创建DataFrame。（外层字典的键作为列，内层键作为索引）

对数据科学家来说:

• 竖着的列column通常放变数variables
• 横着的行row通常放观察observations

对数据及信息管理人员来说:

• 表格数据（例如存储在电子表格或数据库中的数据）是很常见的，最主流的数据结构和查询语言是SQL
• 树状文本数据（例如HTML, XML, JSON数据）是很常见的，HTML/XML最主流的查询语言是xpath

---

注意标点及缩进

框框 = pd.DataFrame ( {
   
        "变数X": ["观察X1", "观察X2", "观察X3", "观察X4"],
        "变数Y": ["观察Y1", "观察Y2", "观察Y3", "观察Y4"],
        "变数Z": ["观察Z1", "观察Z2", "观察Z3", "观察Z4"],
      } )

记得，像人类语言一样，说的清楚，人就可以读的比较清楚…

• pd.DataFrame 的主流参数是字典
• 该字典的键keys是由变数构成，相当於表格中一行行的标题
• 该字典的值values是由观察的列表构成，相当於表格中一行行的数据
• 表格真的要是表格, 该字典的每个观察的列表数量必需齐一

*[小贴士] *
在我们上面的创建框框中，每行结尾都加了一个“，”，这个逗号是可有可无的，但是最好是有，为什么呢？

• 可读性 ： 每一行的逗号就代表结束
• 更容易编辑 ： 如果需要对某行数据进行增、删、改，更容易找到和编辑。
• 养成好习惯，代码不仅是机器运行的，在开源时代，代码更是给人看的，在工作、学习中，养成写好（优美）的代码习惯很重要。

---

练习代码

• 1.创建DataFrame简单示例：

框框 = pd.DataFrame ( {
   
        "变数X": ["观察X1", &#