pandas 库教程

Pandas 是 Python 中一个强大的数据分析库，它提供了高效的数据结构和数据分析工具，可以轻松地处理各种数据类型，包括 CSV、Excel、SQL 数据库、HTML、JSON 等。

以下是 Pandas 的一些基本操作和用法：

1. 导入 Pandas 库

import pandas as pd

2. 创建 Pandas 数据结构

Pandas 提供了三种主要的数据结构：Series、DataFrame 和 Panel。其中，Series 是一维数组，DataFrame 是二维数组，Panel 是三维数组。

# 创建 Series
data = pd.Series([1, 3, 5, np.nan, 6, 8])
print(data)

# 创建 DataFrame
df = pd.DataFrame(np.random.randn(6, 4), columns=list('ABCD'))
print(df)

# 创建 Panel
data = {'Item1': pd.DataFrame(np.random.randn(4, 3)),
        'Item2': pd.DataFrame(np.random.randn(4, 2))}
panel = pd.Panel(data)
print(panel)

3. 读取和写入数据

Pandas 可以读取多种数据格式，包括 CSV、Excel、SQL 数据库、HTML、JSON 等，常用的方法是 read_csv 和 read_excel。

# 读取 CSV 文件
df = pd.read_csv('data.csv')

# 读取 Excel 文件
df = pd.read_excel('data.xlsx', sheet_name='Sheet1')

# 写入 CSV 文件
df.to_csv('new_data.csv', index=False)

# 写入 Excel 文件
df.to_excel('new_data.xlsx', sheet_name='Sheet1', index=False)

4. 数据清洗

数据清洗是数据分析的重要步骤之一，Pandas 提供了一些方法来处理缺失值、重复值和异常值。

# 处理缺失值
df.dropna()  # 删除包含缺失值的行
df.fillna(value=0)  # 将缺失值填充为指定值

# 处理重复值
df.drop_duplicates()  # 删除重复行

# 处理异常值
df[df['col'] > 0]  # 过滤出指定列中大于 0 的行

5. 数据分组和聚合

Pandas 可以对数据进行分组和聚合操作，如计算平均值、求和、计数等。

# 按列分组并计算平均值
df.groupby('col').mean()

# 按列分组并计算总和
df.groupby('col').sum()

# 按列分组并计算个数
df.groupby('col').count()

6. 数据可视化

Pandas 可以将数据可视化为各种图表，如折线图、散点图、柱状图等。

# 折线图
df.plot()

# 散点图
df.plot(kind='scatter', x='A', y='B')

# 柱状图
df.plot(kind='bar', x='A', y='B')

以上是 Pandas 库的一些基本操作和用法，希望对你有所帮助。