Pandas与NumPy联动秘籍：数据处理与数值计算的完美结合

# 1. Pandas与NumPy简介

Pandas和NumPy是Python中用于数据处理和数值计算的两个强大库。

**Pandas**专注于结构化数据的操作，提供了一个称为DataFrame的数据结构，可以存储和操作表格数据。DataFrame具有行和列，并支持各种数据类型，如整数、浮点数、字符串和日期。

**NumPy**专注于多维数组的数值计算，提供了一个称为ndarray的数据结构，可以存储和操作同质数据类型的数据。ndarray具有形状（维度），并支持各种数学运算，如加法、减法、乘法和除法。

# 2. Pandas数据处理

### 2.1 数据结构和操作

#### 2.1.1 DataFrame和Series

**DataFrame** 是Pandas中最基本的数据结构，它是一种类似于表格的结构，由行和列组成。每一行代表一个观测值，每一列代表一个变量。DataFrame中的数据可以是各种类型，包括数值、字符串、布尔值等。

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({
    "name": ["John", "Mary", "Bob"],
    "age": [20, 25, 30],
    "salary": [1000, 2000, 3000]
})

# 查看DataFrame
print(df)

**Series** 是DataFrame的一列，它是一种一维数组，可以包含任何类型的数据。Series可以独立于DataFrame存在，也可以作为DataFrame的一部分。

# 创建一个Series
series = pd.Series([1, 2, 3, 4, 5])

# 查看Series
print(series)

#### 2.1.2 数据的读取和写入

**读取数据**

Pandas提供了多种读取数据的方法，包括从CSV、Excel、JSON等文件读取。

# 从CSV文件读取数据
df = pd.read_csv("data.csv")

# 从Excel文件读取数据
df = pd.read_excel("data.xlsx")

# 从JSON文件读取数据
df = pd.read_json("data.json")

**写入数据**

Pandas也可以将数据写入到CSV、Excel、JSON等文件中。

# 将数据写入CSV文件
df.to_csv("data.csv")

# 将数据写入Excel文件
df.to_excel("data.xlsx")

# 将数据写入JSON文件
df.to_json("data.json")

### 2.2 数据清洗和转换

#### 2.2.1 数据类型转换

Pandas提供了多种方法来转换数据类型，包括astype()、to_numeric()等。

# 将"age"列转换为整数类型
df["age"] = df["age"].astype(int)

# 将"salary"列转换为浮点类型
df["salary"] = df["salary"].to_numeric()

#### 2.2.2 数据缺失值处理

缺失值是数据清洗中常见的挑战。Pandas提供了多种处理缺失值的方法，包括dro