数据分析师-编程语言与工具-Pandas_Pandas实战案例：数据分析与可视化.docx

PAGE1

PAGE1

Pandas基础操作

1Pandas数据结构介绍：Series与DataFrame

1.1Series

Series是Pandas中的一维数组，可以保存任何数据类型（整数、字符串、浮点数、Python对象等）。它类似于NumPy的数组，但与数组不同的是，它还包含一个索引Index。Series可以用数组数据构造，并且索引默认会使用整数。如果需要，也可以自定义索引。

1.1.1示例代码

importpandasaspd

#创建一个Series

data=pd.Series([0.25,0.5,0.75,1.0])

print(data)

#创建一个带有自定义索引的Series

data=pd.Series([0.25,0.5,0.75,1.0],index=[a,b,c,d])

print(data)

1.2DataFrame

DataFrame是Pandas中的二维表格型数据结构，它包含一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）。DataFrame的行和列都有标签，可以看作是共享相同索引的Series集合。

1.2.1示例代码

importpandasaspd

#创建一个DataFrame

data={

name:[John,Anna,Peter,Linda],

age:[28,24,35,32],

city:[NewYork,Paris,Berlin,London]

}

df=pd.DataFrame(data)

print(df)

#创建一个带有自定义索引的DataFrame

df=pd.DataFrame(data,index=[rank1,rank2,rank3,rank4])

print(df)

2数据读取与写入：处理CSV和Excel文件

Pandas提供了强大的工具来读取和写入各种数据格式，包括CSV、Excel、SQL数据库等。这里主要介绍CSV和Excel文件的读写。

2.1读取CSV文件

使用pd.read_csv()函数读取CSV文件。

2.1.1示例代码

importpandasaspd

#读取CSV文件

df=pd.read_csv(data.csv)

print(df)

2.2写入CSV文件

使用df.to_csv()方法将DataFrame写入CSV文件。

2.2.1示例代码

importpandasaspd

#创建DataFrame

data={

name:[John,Anna,Peter,Linda],

age:[28,24,35,32],

city:[NewYork,Paris,Berlin,London]

}

df=pd.DataFrame(data)

#写入CSV文件

df.to_csv(output.csv,index=False)

2.3读取Excel文件

使用pd.read_excel()函数读取Excel文件。

2.3.1示例代码

importpandasaspd

#读取Excel文件

df=pd.read_excel(data.xlsx)

print(df)

2.4写入Excel文件

使用df.to_excel()方法将DataFrame写入Excel文件。

2.4.1示例代码

importpandasaspd

#创建DataFrame

data={

name:[John,Anna,Peter,Linda],

age:[28,24,35,32],

city:[NewYork,Paris,Berlin,London]

}

df=pd.DataFrame(data)

#写入Excel文件

df.to_excel(output.xlsx,index=False)

3数据清洗：处理缺失值与重复值

数据清洗是数据分析的重要步骤，Pandas提供了多种方法来处理数据中的缺失值和重复值。

3.1处理缺失值

使用df.dropna()删除包含缺失值的行，使用df.fillna()填充缺失值。

3.1.1示例代码

importpandasaspd

#创建包含缺失值的DataFrame

data={

name:[John,Anna,None,Linda],

age:[28,None,35,32],

city:[NewYork,Paris,Berli