无涯教程网-Pandas教程完整离线版.pdf免费

Pandas 教程介绍 Python Pandas被定义为⼀个开源库，可在Python中提供⾼性能的数据处理。本教程适⽤于初学者和专业⼈ ⼠。 它⽤ Python中的数据分析，由 Wes McKinney 在2008年开发。我们的教程提供了Python Pandas的所 有基本和⾼级概念，例如Numpy ，数据操作和时间序列。 Pandas简介 Pandas被定义为⼀个开源库，可在Python中提供⾼性能的数据处理。pandas的名称源⾃ Panel Data ⼀ 词，它⽤ Python中的数据分析，由 Wes McKinney 在 2008 中开发。 数据分析需要⼤量处理，例如重组，清理或合并等。有多种⼯具可⽤于快速数据处理，例如 Numpy ，Scipy ，Cython 和 Panda 。但是我 们更喜欢Pandas ，因为与Pandas⼀起⼯作⽐其他⼯具更快，更简单且更具表现⼒。 Pandas构建在 Numpy 软件包之上，这意味着操作Pandas需要 Numpy 。 在Pandas之前，Python能够进⾏数据准备，但是它仅提供了有限的数据分析⽀持。因此，Pandas崭露头⾓，并增强了数据分析的函数。⽆论 数据的来源如何，它都可以执⾏处理和分析数据所需的五个重要步骤，即加载，操作，准备，建模和分析。 Pandas特点 它具有快速⾼效的DataFrame对象，具有默认的和⾃定义的索引。 ⽤于重塑和旋转数据集。 按数据分组以进⾏汇总和转换。 它⽤于数据对齐和丢失数据的集成。 提供时间序列的函数。 处理各种格式不同的数据集，例如矩阵数据，表格异构数据，时间序列。 处理数据集的多种操作，例如⼦集，切⽚，过滤，groupBy ，重新排序和重新整形。 它与SciPy和scikit-learn等其他库集成。 提供快速的性能，如果您想提⾼性能，甚⾄可以提⾼速度，可以使⽤ Cython 。 Pandas优势 与使⽤其他语⾔相⽐，pandas的好处如下: 数据表⽰形式 - 它以适合于通过其DataFrame和Series进⾏数据分析的形式表⽰数据。 清除代码 - Pandas的清除AP 使您可以专注于代码的核⼼部分。因此，它为⽤户提供了清晰简洁的代码。 Pandas数据结构 pandas提供了两种⽤于处理数据的数据结构，即 Series 和 DataFrame ，下⾯将对此进⾏讨论: 1)Series 它被定义为能够存储各种数据类型的⼀维数组。系列的⾏标签称为索引(index)。我们可以使⽤ series⽅法轻松地将列表，元组和字典转换 为series。Series不能包含多列。它具有⼀个参数: 数据(Data) - 它可以是任何列表，字典或标量值。 在创建系列之前，⾸先，我们必须导⼊numpy模块，然后在程序中使⽤array()函数。 import pandas as pd import numpy as np info = np.array([P,a,n,d,a,s]) a = pd.Series(info) print(a) 输出 吾⽣也有涯,⽽知⽆涯 - ⽆涯教程 输出 0 P 1 a 2 n 3 d 4 a 5 s dtype: object 在此代码中，⾸先，我们导⼊了 pandas 和 numpy 库以及 pd 和 np 别名。然后，我们获取了⼀个名为 info的变量，该变量由⼀些值的数 组组成。我们已经通过 Series ⽅法调⽤了 info 变量，并将其定义为 a 变量。该系列已通过调⽤ print(a)⽅法进⾏打印。 2) DataFrame 它是pandas的⼀种⼴泛使⽤的数据结构，可与带有标记轴(⾏和列)的⼆维数组⼀起使⽤。 DataFrame被定义为存储数据的标准⽅式，并具有 两个不同的索引，即⾏索引和列索引。它包含以下属性: 这些列可以是int ，bool等。 可以看作是Series结构的字典，其中⾏和列都被索引了。如果是列，则表⽰为columns ；如果是⾏，则表⽰为index。 我们可以使⽤list在Pandas中轻松创建⼀个DataFrame。 import pandas as pd # a list of strings x = [Python, Pandas] # Calling DataFrame constructor on list df = pd.DataFrame(x) prin