pandas教程

Pandas是一个Python语言的数据分析库，提供了易于使用的数据结构和数据分析工具，使得数据处理变得更加简单和高效。本教程将介绍Pandas的基本概念和操作方法。

## 安装

使用pip命令进行安装：

pip install pandas

## 导入

导入Pandas库：

import pandas as pd

## 数据结构

Pandas主要有两种数据结构：Series和DataFrame，它们都是基于NumPy数组构建的。

### Series

Series是一种类似于一维数组的对象，它由一组数据（各种NumPy数据类型）以及一组与之相关的数据标签组成。可以将Series看作是一个带有标签的数组。

创建Series：

import pandas as pd

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

输出：

0    1.0
1    3.0
2    5.0
3    NaN
4    6.0
5    8.0
dtype: float64

### DataFrame

DataFrame是一个表格型的数据结构，它包含有一组有序的列，每列可以是不同的数据类型（数值、字符串、布尔值等）。DataFrame既有行索引也有列索引，它可以被看作是由Series组成的字典（共用同一个索引）。

创建DataFrame：

import pandas as pd
import numpy as np

data = {'name': ['Tom', 'Jerry', 'Mike', 'Rose'], 
        'age': [18, 20, 22, 24], 
        'gender': ['M', 'M', 'M', 'F']}
df = pd.DataFrame(data)
print(df)

输出：

    name  age gender
0    Tom   18      M
1  Jerry   20      M
2   Mike   22      M
3   Rose   24      F

## 数据读取和写入

Pandas可以读取和写入多种格式的数据，包括CSV、Excel、SQL、JSON等。

### 读取CSV文件

import pandas as pd

df = pd.read_csv('data.csv')
print(df)

### 写入CSV文件

import pandas as pd

df.to_csv('data.csv', index=False)

## 数据操作

### 数据查看

import pandas as pd

df = pd.read_csv('data.csv')

# 查看前几行数据
print(df.head())

# 查看后几行数据
print(df.tail())

# 查看数据的形状（行数、列数）
print(df.shape)

# 查看数据的列名
print(df.columns)

# 查看数据的索引
print(df.index)

# 查看数据的统计信息
print(df.describe())

### 数据选择

import pandas as pd

df = pd.read_csv('data.csv')

# 选择某一列数据
print(df['name'])

# 选择多列数据
print(df[['name', 'age']])

# 选择某一行数据
print(df.loc[0])

# 选择多行数据
print(df.loc[[0, 2]])

# 选择满足条件的数据
print(df[df['age']>20])

### 数据操作

import pandas as pd

df = pd.read_csv('data.csv')

# 添加一列数据
df['height'] = [170, 175, 180, 165]

# 删除一列数据
df.drop('gender', axis=1, inplace=True)

# 修改某一行数据
df.loc[0, 'age'] = 19

# 数据排序
df.sort_values(by='age', inplace=True)

# 数据分组
grouped = df.groupby('age')
print(grouped.mean())