pandas - 技术栈

pandas 是 Python 中一个非常流行和强大的数据分析库。它提供了高效的操作数据表和时间序列功能，广泛用于数据清洗、数据分析和数据可视化

pip install pandas

javascript 复制代码

 import pandas as pd

常用数据结构 pandas 主要提供两个数据结构：

Series: 一维数组，带有标签（索引）。 DataFrame: 二维数据结构，类似于电子表格，由多行和多列组成。

创建 DataFrame 和 Series

创建 Series

ini 复制代码

data = [1, 2, 3, 4, 5]
s = pd.Series(data)
print(s)

创建 DataFrame

bash 复制代码

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'San Francisco', 'Los Angeles']
}
df = pd.DataFrame(data)
print(df)

基本操作

ini 复制代码

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

bash 复制代码

print(df.head())  # 查看前几行
print(df.info())  # 查看数据概况
print(df.describe())  # 查看描述性统计

ini 复制代码

选择列
ages = df['Age']
选择行
first_row = df.iloc[0] # 通过位置选择
bob_row = df[df['Name'] == 'Bob'] # 通过条件选择

ini 复制代码

处理缺失值
df.dropna(inplace=True) # 删除含有缺失值的行
df.fillna(0, inplace=True) # 用0填充缺失值
重命名列
df.rename(columns={'Name': 'Full Name'}, inplace=True)

数据分析

ini 复制代码

mean_age = df['Age'].mean()  # 计算平均年龄
age_counts = df['Age'].value_counts()  # 统计每个年龄的数量

ini 复制代码

grouped = df.groupby('City').mean()  # 按城市分组并计算每组的平均值print(grouped)

数据可视化：

虽然 pandas 主要是一个数据分析工具，但它可以与 matplotlib 或 seaborn 等可视化库集成以进行数据可视化。

scss 复制代码

import matplotlib.pyplot as plt
绘制年龄分布图
df['Age'].hist()
plt.title('Age Distribution')
plt.xlabel('Age')
plt.ylabel('Frequency')
plt.show()

示例代码：下面是一个简单的示例，将上述部分拼凑在一起，展示如何操作 pandas：

python 复制代码

import pandas as pd
import matplotlib.pyplot as plt
创建 DataFrame
data = {
 'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
 'Age': [25, 30, 35, 40, None],
 'City': ['New York', 'San Francisco', 'Los Angeles', 'New York', 'San Francisco']
}
df = pd.DataFrame(data)
处理缺失值
df['Age'].fillna(df['Age'].mean(), inplace=True)
统计分析
print(df.describe())
分组并求平均
grouped = df.groupby('City')['Age'].mean().reset_index()
print(grouped)
可视化
grouped.plot(x='City', y='Age', kind='bar')
plt.title('Average Age by City')
plt.xlabel('City')
plt.ylabel('Average Age')
plt.show()