Pandas 是一个非常流行的 Python 数据分析库，它广泛用于数据处理和分析，尤其是在数据科学和机器学习领域。Pandas 提供了许多强大的数据结构和功能，使得数据清洗、操作及分析变得高效而简便。本文将带您深入了解 Pandas 的基本用法，并通过一些示例代码进行演示。
安装 Pandas
在开始之前，确保你的环境中已经安装了 Pandas。可以通过以下命令来安装：
pip install pandas
基本数据结构
Pandas 提供了两种主要的数据结构：
- Series：一维数组，可以存储任意数据类型（整数、字符串、浮点数等），并且可以通过索引来访问。
- DataFrame：二维数组，类似于电子表格或 SQL 表格，可以存储多种数据类型，以列为基本单位。
创建 Series 和 DataFrame
首先，我们来创建一些简单的 Series 和 DataFrame。
import pandas as pd
# 创建一个简单的 Series
data = [10, 20, 30, 40]
series = pd.Series(data, index=['a', 'b', 'c', 'd'])
print("Series:")
print(series)
# 创建一个简单的 DataFrame
data = {
'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [24, 27, 22],
'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data)
print("\nDataFrame:")
print(df)
数据操作
Pandas 提供了丰富的数据操作功能，包括数据选择、过滤、聚合和排序等。
选择列和行
你可以简单地通过列名来选择 DataFrame 中的某一列，或者使用 .loc 和 .iloc 方法选择行。
# 选择 Name 列
print("\nSelect Name column:")
print(df['Name'])
# 选择第二行
print("\nSelect second row:")
print(df.iloc[1])
数据过滤
Pandas 允许非常灵活的数据过滤。例如，你可以选择年龄大于 23 的所有记录。
# 过滤年龄大于 23 的数据
filtered_df = df[df['Age'] > 23]
print("\nFiltered DataFrame (Age > 23):")
print(filtered_df)
数据聚合
Pandas 提供了强大的聚合功能，可以非常容易地计算某一列的平均值、总和等。
# 计算年龄的平均值
average_age = df['Age'].mean()
print("\nAverage Age:")
print(average_age)
# 按城市分组并计算每个城市的平均年龄
grouped = df.groupby('City')['Age'].mean()
print("\nAverage Age grouped by City:")
print(grouped)
数据处理
Pandas 还可以用于数据处理，包括数据清洗、缺失值处理等。
# 创建一个包含缺失值的 DataFrame
data_with_nan = {
'Name': ['Alice', 'Bob', None],
'Age': [24, None, 22],
'City': ['New York', 'Los Angeles', 'Chicago']
}
df_nan = pd.DataFrame(data_with_nan)
# 打印缺失值信息
print("\nDataFrame with NaN:")
print(df_nan)
# 填充缺失值
df_nan.fillna({'Name': 'Unknown', 'Age': df_nan['Age'].mean()}, inplace=True)
print("\nDataFrame after filling NaN:")
print(df_nan)
总结
Pandas 是一个强大的数据分析工具，可以大大简化数据操作的复杂性。无论是用于数据清洗、数据分析还是数据可视化，Pandas 都提供了便捷的接口和灵活的功能。通过掌握 Pandas，你可以更加高效地处理和分析数据，使你的数据科学之旅更加顺利。在接下来的学习中，不妨深入探索 Pandas 的更多功能，比如合并、连接、时间序列分析等，以更好地利用这一强大工具。
