Python酷库之旅-第三方库Pandas(051)

Pandas 简介

Pandas 是 Python 中用于数据分析和操作的核心库，提供高效的数据结构（如 DataFrame 和 Series）以及数据处理工具，广泛应用于数据清洗、转换、分析和可视化场景。

核心数据结构

DataFrame

二维表格型数据结构，类似电子表格或 SQL 表，支持行标签和列标签。

import pandas as pd  
df = pd.DataFrame({"A": [1, 2, 3], "B": ["x", "y", "z"]})  

Series

一维带标签数组，可视为 DataFrame 的单列。

s = pd.Series([10, 20, 30], name="values")  

数据读取与写入

支持多种格式：

# 从 CSV 读取  
df = pd.read_csv("data.csv")  

# 写入 Excel  
df.to_excel("output.xlsx", index=False)  

# 支持 JSON、SQL、HTML 等格式  

数据操作

筛选与查询

# 选择列  
df["A"]  

# 条件筛选  
df[df["A"] > 1]  

# 多条件  
df[(df["A"] > 1) & (df["B"] == "y")]  

聚合与分组

# 分组统计  
df.groupby("B")["A"].sum()  

# 多列聚合  
df.agg({"A": "mean", "B": "count"})  

缺失值处理

# 检测缺失值  
df.isnull()  

# 填充或删除  
df.fillna(0)  
df.dropna()  

时间序列处理

内置时间类型转换与重采样：

# 转换时间列  
df["date"] = pd.to_datetime(df["date"])  

# 按周重采样  
df.resample("W", on="date").sum()  

性能优化技巧

• 使用 df.apply() 替代循环。
• 避免链式操作，优先使用 df.loc[]。
• 大数据集考虑 dtype 优化（如 category 类型）。

集成其他工具

• 可视化 ：结合 matplotlib 或 seaborn 直接绘图。
• 机器学习 ：与 scikit-learn 无缝衔接，输入数据格式多为 DataFrame。

学习资源

• 官方文档：pandas.pydata.org
• 《Python for Data Analysis》书籍（作者：Pandas 创始人 Wes McKinney）。

通过掌握上述功能，可高效完成从数据预处理到分析的全流程任务。