Pandas 入门:数据分析的得力工具

一、Pandas 是什么?

Pandas 是一个开源的 Python 类库,专为数据分析、处理和可视化设计。它有三大优势:高性能、易用的数据结构和便捷的分析工具,是数据处理的得力助手。

二、怎么用 Pandas?

安装 :可以用 pip install pandas 或 conda install pandas,用清华源(https://pypi.tuna.tsinghua.edu.cn/simple)能加速安装。

导入 :通常用 import pandas as pd 语句导入,方便后续使用。

三、Pandas 的核心数据结构

1. Series

它类似表格中的一列,像一维数组,能存各种数据类型,由索引和值组成。创建方式多样:

用列表:不指定索引的话,默认从 0 开始。

用 ndarray:可以自己指定索引标签,比如 'a'、'b' 等。

用字典:字典的键会成为索引,值就是 Series 的值。

还能查看它的索引(.index)和数值(.values)。

2. DataFrame

这是个表格型数据结构,有行索引和列索引,列可以是不同数据类型。构造方法灵活,数据可以是 ndarray、series、列表、字典等。创建方式有:

用列表:需要指定列标签。

用 ndarrays:把数据组织成字典形式,键作为列名。

用字典:每个字典项对应一行数据,缺失的键会用 NaN 填充。

四、Pandas 数据查询

主要用 loc() 方法:

取单行:df.loc[行索引],能返回指定行的数据。

取多行:用 df.loc[[行索引1, 行索引2...]] 的格式,返回多个指定行。

当设置了自定义索引(比如用 "Chinese"、"Math" 等),直接用自定义索引就能取对应行。

掌握这些,就能轻松上手 Pandas 处理数据啦!

相关推荐
卷毛迷你猪8 小时前
快速实验篇(B16)用户级预测可行性审计(否定性意见)
大数据·hadoop·数据挖掘·聚类
正在走向自律8 小时前
AI数据分析与可视化:从基础到应用实践
服务器·人工智能·python·机器学习·数据分析·pandas
wang_yb9 小时前
从手动检查到自动监控:一个数据质量工作流的实现
数据分析·databook
databook9 小时前
从手动检查到自动监控:一个数据质量工作流的实现
后端·python·数据分析
Asa1213810 小时前
NC|核质大DNA病毒门(Nucleocytoviricota)生物地理格局及其与欧洲湖泊真核生物互作研究
数据挖掘
茗创科技12 小时前
Nature Mental Health | 基于皮层相似性网络分析,揭示神经性厌食症的神经机制
matlab·数据分析·脑网络
Asa1213813 小时前
Microbiome|微生物组中介分析的错误控制:系统基准测试与 CAMRA 补救框架
数据分析
2601_9689007713 小时前
大模型版本回归评估实战:从能力指标到额度口径的完整链路
android·数据挖掘·回归
sbjdhjd15 小时前
云安全 | Docker 容器逃逸复盘(二):2375 未授权接口如何突破容器管理边界
网络安全·docker·云原生·数据挖掘·开源·云计算·云安全
ctlover17 小时前
Pandas进阶
人工智能·机器学习·pandas