Python商务数据分析 第5章 Pandas数据分析.pptxVIP

第5章Pandas数据分析

第4章NumPy数据分析Pandas数组结构Pandas数据分析基础Pandas常用操作Pandas高级操作Pandas缺失值处理Pandas数据分组Pandas数据合并Pandas时间序列Pandas透视表与交叉表

5.1Pandas简介Pandas是基于NumPy数组构建的，因此它在许多NumPy函数上提供了直接的支持。它还提供了用于对表格数据进行操作的数据结构，例如Series和DataFrame。Pandas提供了许多用于数据操作和处理的函数和方法，例如数据过滤，数据清洗，数据合并和重塑等。Pandas还提供了用于将数据导入和导出不同文件格式的函数，例如CSV，Excel和SQL等。它是Python数据科学生态系统中最受欢迎和广泛使用的库之一。Pandas是大数据分析的重要工具，我们生活中常用的数据处理软件是微软的Excel，当你学会pandas时候，你会发现pandas比Excel好用太多了。

5.2Pandas库安装与使用5.2.1安装在cmd命令行窗口输入以下命令，等待安装完成即可。pipinstallpandas

5.2Pandas库安装与使用5.2.2使用在使用Pandas库之前，我们需要先导入Numpy和Pandas库，代码如下。一般为了简化Pandas库的调用，约定俗成把Pandas简化为pd。importnumpyasnpimportpandasaspd

5.3Pandas数据结构Pandas中有两种主要的数据结构：Series和DataFrame，Series是一维的数据结构，类似于Python中的列表或数组，而DataFrame则是二维的数据结构，类似于Excel中的表格。Pandas可以读取多种数据格式的文件，包括CSV、Excel、SQL数据库和JSON等。

5.3Pandas数据结构5.3.1SeriesSeries（系列、数列和序列）是一个带有标签的一维数组，由一组数据值（value）和一组标签组成，其中标签与数据值之间是一一对应的关系标签数据值数据类型

5.3Pandas数据结构5.3.1Series（1）创建Series对象我们可以使用列表，元组，字典、Numpy数组和标量来创建Series对象。1）通过列表创建Series对象list1=[11,22,33,44]data1=pd.Series(list1)data1输出结果：011122233344dtype:int64

5.3Pandas数据结构5.3.1Series（1）创建Series对象2）通过元组创建Series对象tuple1=(1,2,3,4,5,6)data2=pd.Series(tuple1)data2输出结果：011223344556dtype:int64

5.3Pandas数据结构5.3.1Series（1）创建Series对象3）通过字典创建Series对象dic1={a:3.2,b:7.6,c:12.11,d:0}data3=pd.Series(dic1)data3输出结果：a3.20b7.60c12.11d0.00dtype:float64

5.3Pandas数据结构5.3.1Series（1）创建Series对象4）通过Numpy数组创建Series对象num=np.random.randn(4)#创建一个随机数组index=[a,b,c,d]#直接赋值索引data4=pd.Series(num,index)data4输出结果：a-1.774755b-0.947428c1.511671d-0.062458dtype:float64

5.3Pandas数据结构5.3.1Series（1）创建Series对象5）通过标量创建Series对象s=pd.Series(7)ss=pd.Series(7,[a,b,c,d,e])s输出结果：07dtype:int64a7b7c7d7e7dtype:int64

5.3Pandas数据结构5.3.1Series（2）Series常用属性属性说明axes以列表的形式返回所有行索引标签。dtype返回对象的数据类型。empty返回一个空的Series对象。ndim返回输入数据的维度。shapeSeries数据维度size返回输入数据的元素数量。values以ndarray的形式返回Series对象。index返回一个RangeIndex