介绍
Python pandas包用于数据操作和分析，旨在让您以更直观的方式使用带标签或关系数据。 建立在numpy包上，pandas包括标签，描述性索引，并且在处理常见的数据格式和缺少的数据方面特别强大。 pandas包提供了电子表格功能，但使用Python比使用电子表格更快地处理数据，并且
pandas被证明是非常有效的。 在本教程中，我们将首先安装pandas，然后使用基本数据结构：
Series和
DataFrames 。
安装pandas
像其他Python包一样，我们可以用
pip安装
pip 。 首先，让我们进入我们的
本地编程环境或
基于服务器的编程环境 ，并安装pandas及其依赖关系：
pip install pandas numpy python-dateutil pytz
OutputSuccessfully installed pandas-0.19.2
pandas ，可以使用以下命令：
conda install pandas
pandas包。
系列
在pandas中， Series是可以保存任何 数据类型的一维数组。 轴标签统称为 索引 。 让我们在命令行中启动Python解释器，如下所示：python
numpy和pandas包导入到您的命名空间中：
import numpy as np
import pandas as pd
s = pd.Series([data], index=[index])
没有声明索引
我们将输入整数数据，然后为Series提供一个名称参数，但我们将避免使用index参数来看看pandas是如何隐式填充的：
s = pd.Series([0, 1, 4, 9, 16, 25], name='Squares')
pandas与它：
s
Output0 0
1 1
2 4
3 9
4 16
5 25
Name: Squares, dtype: int64
0到
5 。
声明索引
正如上面的语法显示了我们，我们还可以使用显式索引来创建Series。我们将使用有关地球海洋的平均深度（米）的数据：avg_ocean_depth = pd.Series([1205, 3646, 3741, 4080, 3270], index=['Arctic', 'Atlantic', 'Indian', 'Pacific', 'Southern'])
avg_ocean_depth
OutputArctic 1205
Atlantic 3646
Indian 3741
Pacific 4080
Southern 3270
dtype: int64
分度和切片系列
使用pandas系列，我们可以通过相应的数字索引检索值：avg_ocean_depth[2]
Output3741
avg_ocean_depth[2:4]
OutputIndian 3741
Pacific 4080
dtype: int64
avg_ocean_depth['Indian']
Output3741
avg_ocean_depth['Indian':'Southern']
OutputIndian 3741
Pacific 4080
Southern 3270
dtype: int64
quit() 。
系列用词典初始化
使用 pandas我们也可以使用 字典数据类型来初始化一个系列。这样，我们不会将索引声明为单独的列表，而是使用内置键作为索引。 让我们创建一个名为ocean.py的文件，并添加以下字典并打印它。
ocean.py
import numpy as np
import pandas as pd
avg_ocean_depth = pd.Series({
'Arctic': 1205,
'Atlantic': 3646,
'Indian': 3741,
'Pacific': 4080,
'Southern': 3270
})
print(avg_ocean_depth)
python ocean.py
OutputArctic 1205
Atlantic 3646
Indian 3741
Pacific 4080
Southern 3270
dtype: int64
ocean_depth.py
...
print(avg_ocean_depth['Indian'])
print(avg_ocean_depth['Atlantic':'Indian'])
Output3741
Atlantic 3646
Indian 3741
dtype: int64
DataFrames
DataFrames是具有可以由不同数据类型组成的列的2维标记数据结构。 DataFrames类似于电子表格或SQL表。一般来说，当你使用pandas时，DataFrames将是你将使用的最常见的对象。 要了解pandas DataFrame的工作原理，让我们设置两个Series，然后将它们传递给DataFrame。第一个系列将是我们之前的avg_ocean_depth系列，我们的第二个系列将是
max_ocean_depth ，其中包含地球上每个海洋的最大深度的数据，以米为单位。
ocean.py
import numpy as np
import pandas as pd
avg_ocean_depth = pd.Series({
'Arctic': 1205,
'Atlantic': 3646,
'Indian': 3741,
'Pacific': 4080,
'Southern': 3270
})
max_ocean_depth = pd.Series({
'Arctic': 5567,
'Atlantic': 8486,
'Indian': 7906,
'Pacific': 10803,
'Southern': 7075
})
max_ocean_depth系列之下。 在我们的示例中，这两个系列都有相同的索引标签，但如果您使用不同标签的系列，那么缺少的值将标记为
NaN 。 这是这样构造的，我们可以包括列标签，我们声明为系列变量的键。要看看DataFrame是什么样子，让我们发出一个打印它的调用。
ocean.py
...
max_ocean_depth = pd.Series({
'Arctic': 5567,
'Atlantic': 8486,
'Indian': 7906,
'Pacific': 10803,
'Southern': 7075
})
ocean_depths = pd.DataFrame({
'Avg. Depth (m)': avg_ocean_depth,
'Max. Depth (m)': max_ocean_depth
})
print(ocean_depths)
Output Avg. Depth (m) Max. Depth (m)
Arctic 1205 5567
Atlantic 3646 8486
Indian 3741 7906
Pacific 4080 10803
Southern 3270 7075
在DataFrames中对数据排序
我们可以使用DataFrame.sort_values(by=...)函数
对DataFrame中
的数据进行排序 。 例如，让我们使用
ascending Boolean参数，它可以是
True或
False 。 注意，
ascending是我们可以传递给函数的参数，但是降序不是。
ocean_depth.py
...
print(ocean_depths.sort_values('Avg. Depth (m)', ascending=True))
Output Avg. Depth (m) Max. Depth (m)
Arctic 1205 5567
Southern 3270 7075
Atlantic 3646 8486
Indian 3741 7906
Pacific 4080 10803
使用DataFrames进行统计分析
接下来，让我们看看我们可以使用DataFrame.describe()函数从
DataFrame.describe()收集的
一些摘要统计信息 。 在不传递特定参数的情况下，
DataFrame.describe()函数将为数值数据类型提供以下信息：
| 返回 | 这是什么意思 |
|---|---|
count |
频率计数;事情发生的次数 |
mean |
平均值或平均值 |
std |
标准偏差，用于表示数据变化范围的数值 |
min |
集合中的最小或最小数字 |
25% |
第25百分位数 |
50% |
第50百分位数 |
75% |
75百分位数 |
max |
集合中的最大或最大数字 |
describe()函数调用我们的
ocean_depths DataFrame来为我们打印出这些统计数据：
ocean.py
...
print(ocean_depths.describe())
Output Avg. Depth (m) Max. Depth (m)
count 5.000000 5.000000
mean 3188.400000 7967.400000
std 1145.671113 1928.188347
min 1205.000000 5567.000000
25% 3270.000000 7075.000000
50% 3646.000000 7906.000000
75% 3741.000000 8486.000000
max 4080.000000 10803.000000
处理缺失值
通常在使用数据时，您将缺少值。 pandas包提供了 处理缺失数据的许多不同方法 ，缺失数据涉及null数据或由于某种原因而不存在的数据。 在
pandas ，这被称为NA数据并且被表示为
NaN 。 我们将使用
DataFrame.dropna()函数
删除丢失的值 ，并使用
DataFrame.dropna()函数
填充缺失的值 。这将确保你不会遇到问题，因为你开始。 让我们创建一个名为
user_data.py的新文件，并用一些缺少值的数据填充它，并将其转换为DataFrame：
user_data.py
import numpy as np
import pandas as pd
user_data = {'first_name': ['Sammy', 'Jesse', np.nan, 'Jamie'],
'last_name': ['Shark', 'Octopus', np.nan, 'Mantis shrimp'],
'online': [True, np.nan, False, True],
'followers': [987, 432, 321, np.nan]}
df = pd.DataFrame(user_data, columns = ['first_name', 'last_name', 'online', 'followers'])
print(df)
Output first_name last_name online followers
0 Sammy Shark True 987.0
1 Jesse Octopus NaN 432.0
2 NaN NaN False 321.0
3 Jamie Mantis shrimp True NaN
dropna()删除缺失的值。
user_data.py
...
df_drop_missing = df.dropna()
print(df_drop_missing)
Output first_name last_name online followers
0 Sammy Shark True 987.0
0 。 这个我们将用
DataFrame.fillna(0)实现。 删除或注释掉我们添加到文件中的最后两行，并添加以下内容：
user_data.py
...
df_fill = df.fillna(0)
print(df_fill)
Output first_name last_name online followers
0 Sammy Shark True 987.0
1 Jesse Octopus 0 432.0
2 0 0 False 321.0
3 Jamie Mantis shrimp True 0.0
NaN作为我们的值，我们现在有
0填充这些空格。你会注意到，在适当的时候使用浮点。 此时，您可以对数据进行排序，进行统计分析，并处理DataFrames中的缺失值。
