一、什么是Pandas庫(kù)

（1）、Pandas 應(yīng)用

Pandas 可以從各種文件格式比如 CSV、JSON、SQL、Excel 導(dǎo)入數(shù)據(jù)。

Pandas 可以對(duì)各種數(shù)據(jù)進(jìn)行運(yùn)算操作，比如歸并、再成形、選擇，還有數(shù)據(jù)清洗和數(shù)據(jù)加工特征。

Pandas 廣泛應(yīng)用在學(xué)術(shù)、金融、統(tǒng)計(jì)學(xué)等各個(gè)數(shù)據(jù)分析領(lǐng)域。

（2）、Pandas 功能

Pandas 是數(shù)據(jù)分析的利器，它不僅提供了高效、靈活的數(shù)據(jù)結(jié)構(gòu)，還能幫助你以極低的成本完成復(fù)雜的數(shù)據(jù)操作和分析任務(wù)。

Pandas 提供了豐富的功能，包括：

• 數(shù)據(jù)清洗：處理缺失數(shù)據(jù)、重復(fù)數(shù)據(jù)等。
• 數(shù)據(jù)轉(zhuǎn)換：改變數(shù)據(jù)的形狀、結(jié)構(gòu)或格式。
• 數(shù)據(jù)分析：進(jìn)行統(tǒng)計(jì)分析、聚合、分組等。
• 數(shù)據(jù)可視化：通過(guò)整合 Matplotlib 和 Seaborn 等庫(kù)，可以進(jìn)行數(shù)據(jù)可視化。

（3）、數(shù)據(jù)結(jié)構(gòu)

Pandas 的主要數(shù)據(jù)結(jié)構(gòu)是 Series （一維數(shù)據(jù)）與 DataFrame（二維數(shù)據(jù)）。

• Series 是一種類似于一維數(shù)組的對(duì)象，它由一組數(shù)據(jù)（各種 Numpy 數(shù)據(jù)類型）以及一組與之相關(guān)的數(shù)據(jù)標(biāo)簽（即索引）組成。

• DataFrame 是一個(gè)表格型的數(shù)據(jù)結(jié)構(gòu)，它含有一組有序的列，每列可以是不同的值類型（數(shù)值、字符串、布爾型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 組成的字典（共同用一個(gè)索引）。

二、安裝pandas庫(kù)

(1)、在終端中運(yùn)行

pip install pandas

(2)、導(dǎo)入Pandas庫(kù)并重命名為pd

import pandas as pd
# 查看pandas版本
print(pd.__version__)

輸出： 2.2.3

三、操作教學(xué)

1.基礎(chǔ)操作

我想存儲(chǔ)一些人的信息和對(duì)應(yīng)的數(shù)據(jù)

import pandas as pd
df = pd.DataFrame(
    {
        "Name": ["Alice", "Bob", "Charlie"],
        "Age": [25, 30, 35],
        "City": ["New York", "Los Angeles", "Chicago"]
    }
)
print(df)

打印的結(jié)果：

DataFrame是一個(gè)二維數(shù)據(jù)結(jié)構(gòu)，可以存儲(chǔ) 不同類型的 （包括字符、整數(shù)、浮點(diǎn)值、 分類數(shù)據(jù)等）。它類似于電子表格，每一行都有自己的列標(biāo)簽和值

2.拿取指定列的數(shù)據(jù)

print(df['City']) 

打印的結(jié)果：

3.從頭開(kāi)始創(chuàng)建DataFrame

a = pd.Series(["黑色", "紅色", "白色"], name="color")
print(a)

打印的結(jié)果：

4.DataFrame的統(tǒng)計(jì)數(shù)據(jù)

df = pd.DataFrame(
    {
        "Name": ["Alice", "Bob", "Charlie"],
        "Age": [25, 30, 35],
        "City": ["New York", "Los Angeles", "Chicago"]
    }
)
print(df.describe())

結(jié)果為：

5.分析csv文件中的數(shù)據(jù)

csv文件內(nèi)容如下： 

只讀取數(shù)據(jù)

df = pd.read_csv("C:/Users/65742/Desktop/tables.csv")
print(df)

結(jié)果為：

只想看前幾行的數(shù)據(jù)

df = pd.read_csv("C:/Users/65742/Desktop/tables.csv")
print(df.head(8))

結(jié)果為：

分析每列的數(shù)據(jù)類型

df = pd.read_csv("C:/Users/65742/Desktop/tables.csv")
print(df.dtypes)

結(jié)果為：

讀取更加詳細(xì)的數(shù)據(jù)

df = pd.read_csv("C:/Users/65742/Desktop/tables.csv")
print(df.info)

結(jié)果為：

6.excel表格的操作

與csv同理，讀取方法換成read_excel()這個(gè)就可以了

import xlrd
df = pd.read_excel("C:/Users/65742/Desktop/tables.xls")
print(df)

注意： read_excel()需要依賴xlrd模塊，所以需要安裝xlrd。

7.選擇需要的列

df = pd.read_csv("C:/Users/65742/Desktop/tables.csv")
print(df['TABLE_NAME'])

結(jié)果為：

需要選擇多個(gè)列直接使用逗號(hào)拼接在中括號(hào)里面就OK了

df = pd.read_csv("C:/Users/65742/Desktop/tables.csv")
print(df[['TABLE_NAME', 'CREATE_TIME']])

結(jié)果為：

查看返回?cái)?shù)據(jù)的行數(shù)以及列數(shù)

df = pd.read_csv("C:/Users/65742/Desktop/tables.csv")
print(df[['TABLE_NAME']].shape)

結(jié)果為：

請(qǐng)注意，返回的數(shù)據(jù)包括行數(shù)和列數(shù)

篩選固定條件的數(shù)據(jù)

above_0 = df[df["DATA_LENGTH"] > 0]
print(above_0)

結(jié)果為：

如果你想檢查數(shù)據(jù)是否大于某個(gè)值：

print(df["DATA_LENGTH"] > 0)

結(jié)果為：

查詢某個(gè)列中的多個(gè)值的數(shù)據(jù)

engine_select = df[df["ENGINE"].isin(['InnoDB', 'MEMORY'])]
print(engine_select)

df[]中放置的是列名，isin中放的是感興趣的數(shù)據(jù)

結(jié)果為：

組合多個(gè)條件查詢

new_result = df[(df["ENGINE"] == 'InnoDB') | (df["TABLE_NAME"] == 'FILES')]
print(new_result)

結(jié)果為：

如果想驗(yàn)證列中的數(shù)據(jù)是不是空值

create_time_not_na = df[df["CREATE_TIME"].notna()]
print(create_time_not_na)

篩選出所有“CREATE_TIME”列不為缺失值（NaN）的行，并將結(jié)果存儲(chǔ)在一個(gè)新的 DataFrame 變量

結(jié)果為:

查詢某列符合條件的數(shù)據(jù)，并只取該行的數(shù)據(jù)某一列

table_names = df.loc[df["DATA_LENGTH"] > 0, "TABLE_NAME"]
print(table_names)

結(jié)果為：

查詢特定行到特定行，特定列到特定列的數(shù)據(jù)

# 查詢第1到4行，第3到5列的數(shù)據(jù)
print(df.iloc[0:4, 2:5])

結(jié)果為：

切記：

選擇數(shù)據(jù)子集時(shí)，使用方括號(hào)。[]

在這些括號(hào)內(nèi)，您可以使用單個(gè)列/行標(biāo)簽、列表 的列/行標(biāo)簽、標(biāo)簽切片、條件表達(dá)式或 一個(gè)冒號(hào)。

使用行時(shí)選擇特定行和/或列 和列名稱。loc

使用 在表中的位置。iloc

您可以根據(jù) / 為選擇分配新值。lociloc

8.增加列

df = pd.read_excel("C:/Users/65742/Desktop/tables.xls", sheet_name='tables')
print(df)
df["數(shù)據(jù)長(zhǎng)度"] = df["DATA_LENGTH"]*100  # 增加一列
print(df)

等號(hào)前面為你要新增加的列名，后面是原本存在的列名，執(zhí)行之后會(huì)幫我們新建一個(gè)列名“數(shù)據(jù)長(zhǎng)度”。

結(jié)果為：

且等號(hào)后面的數(shù)據(jù)是可以和其他類的數(shù)據(jù)運(yùn)算或者直接運(yùn)算的

9.修改列名

df = pd.read_excel("C:/Users/65742/Desktop/tables.xls", sheet_name='tables')
print(df)
c = df.rename(columns={"TABLE_NAME": "表名"})
print(c)

columns中鍵值對(duì)里面的key是原表格中的列，value是要替換的列名

結(jié)果為：

 修改多個(gè)列的列名

c = df.rename(columns={"TABLE_NAME": "表名", "DATA_LENGTH": "數(shù)據(jù)長(zhǎng)度"})
print(c)

 結(jié)果為：

10.對(duì)數(shù)據(jù)進(jìn)行分組并計(jì)算平均數(shù)

f = pd.DataFrame({
    "name": ["吳昊", '趙括', "李月榮", "吳昊", "李月榮"],
    "age": [28, 32, 35, 30, 36],
    "gender": ["男", "女", "男", "男", "女"],
    "score": [92, 85, 98, 88, 95]
})

print(f[["name","age","score"]].groupby("name").mean())

結(jié)果為：

到此這篇關(guān)于Python pandas庫(kù)自學(xué)超詳細(xì)教程的文章就介紹到這了,更多相關(guān)Python pandas庫(kù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論