pandas 教程

Pandas 教程

1. 安装和导入Pandas

首先，确保你已经安装了Pandas。如果尚未安装，可以使用以下命令进行安装：

!pip install pandas

安装完成后，你可以通过以下代码导入Pandas库：

import pandas as pd

2. 核心数据结构

Pandas的两个核心数据结构是Series和DataFrame。

  • Series ：一维标签化数组，可以存储各种数据类型。

  • DataFrame ：二维表格型数据结构，由多个Series组成，每一列可以是不同的数据类型。

3. 创建Series和DataFrame

创建一个Series的例子：

import pandas as pd
steps = pd.Series([6000, 8000, 10000, 12000, 7000])
print(steps)

创建一个DataFrame的例子：

data = {
    '姓名': ['小明', '小红', '小华'],
    '年龄': [18, 20, 19],
    '成绩': [85, 92, 78]
}
df = pd.DataFrame(data)
print(df)

4. 数据操作基础

  • 选择数据 ：使用df[column_name]选择单列数据。

  • 条件筛选 ：使用布尔索引进行条件筛选，例如df[df['工资'] > 10000]。

5. 数据导入导出

Pandas支持多种文件格式的读写，例如CSV和Excel：

  • 读取CSV文件：
df = pd.read_csv('data.csv')
  • 读取Excel文件(需要安装openpyxl包)：
df = pd.read_excel('data.xlsx')
  • 保存为CSV：
df.to_csv('output.csv', index=False)

6. 数据清洗和转换

Pandas提供了丰富的数据清洗和转换功能，例如：

  • 删除空值：df.dropna()

  • 填充空值：df.fillna(value)

  • 重命名列：df.rename(columns={'old_name': 'new_name'})

  • 转换数据类型：df['column_name'] = df['column_name'].astype('new_type')

7. 高级用法

Pandas还支持更高级的数据处理功能，如合并数据、统计分析等。

总结

以上是Pandas的基本使用教程，涵盖了安装、数据结构、数据操作、数据导入导出以及数据清洗等基础知识和操作。Pandas的强大功能使其成为数据分析的有力工具。

Top
×
×