pandas教程， 1. Introduction to Panda:
Pandas是python數(shù)據(jù)分析的組合縮寫，是python中基于numpy和matplotlib的第三方數(shù)據(jù)分析庫，與后兩者共同構成了python數(shù)據(jù)分析的基礎工具包。
享三劍客之名。
2.熊貓數(shù)據(jù)結構：
熊貓的核心數(shù)據(jù)結構有兩種，一維數(shù)列和二維dataframe，可以看作是分別在numpy一維數(shù)組和二維數(shù)組的基礎上增加了相應的標簽信息。正因為如此，
Series和dataframe可以從兩個角度來理解：
Series和dataframe分別是一維和二維數(shù)組。因為是數(shù)組，所以numpy中數(shù)組的用法基本上可以直接應用到這兩種數(shù)據(jù)結構上，包括數(shù)據(jù)創(chuàng)建、切片訪問、通用函數(shù)、廣播機制等等。
Series是帶標簽的一維數(shù)組，所以也可以看作是類字典結構：標簽是鍵，值是值；Dataframe可以看作是一個嵌套的字典結構，其中列名是鍵，每列的系列是值。
所以從這個角度來說，創(chuàng)建pandas數(shù)據(jù)的一個靈活的方式就是通過字典或者嵌套字典，同時自然衍生出適合series和dataframe的類字典接口，也就是通過loc索引訪問。
3、數(shù)據(jù)讀寫：
Pandas支持讀寫大多數(shù)主流文件格式的數(shù)據(jù)。常見的格式和接口有：
文本文件主要有csv和txt，對應的接口有read_csv()和to_csv()，分別用來讀寫數(shù)據(jù)。
支持Excel文件，包括xls和xlsx格式。底層調用xlwt和xlrd操作Excel文件，對應的接口是read_excel()和to_excel()。
SQL文件，支持大多數(shù)主流的關系數(shù)據(jù)庫，比如MySQL，需要相應的數(shù)據(jù)庫模塊的支持，相應的接口有read_sql()和to_sql()。
此外，熊貓還支持html、json等文件格式的讀寫。
4.數(shù)據(jù)訪問：
Series和dataframe具有numpy數(shù)組和字典的結構特征，所以數(shù)據(jù)訪問是從這兩個方面入手的。同時，還支持bool索引進行數(shù)據(jù)訪問和過濾。
[]，這是一種非常方便的訪問方式，但有必要區(qū)分series和dataframe:
Series:可以使用標簽或數(shù)字索引訪問單個元素，也可以使用相應的切片訪問多個值。因為只有一維信息，所以沒有懸念。
Dataframe:不能訪問單個元素，只能返回一列、多列或多行：單值或多值(多個列名的列表)訪問時可以按列查詢，單值訪問時列名沒有歧義時可以用屬性符號直接訪問。以切片形式訪問時，按行查詢，
還區(qū)分了數(shù)字切片和標簽切片：輸入數(shù)字索引切片時，類似于普通列表切片；當輸入標簽切片時，執(zhí)行范圍查詢(即切片的第一個和最后一個值不需要存在于標簽列中)，并且包括兩端標簽的結果。如果沒有匹配的行，則返回空白。
但是，標簽切片類型需要與索引類型一致。例如，當標簽列類型(可通過df.index.dtype查看)為時間類型時，如果將不能隱式轉換為時間的字符串用作索引片，則會引發(fā)錯誤。
5、數(shù)據(jù)處理：
熊貓最強大的功能當然是數(shù)據(jù)處理和分析，可以獨立完成數(shù)據(jù)分析前的大部分數(shù)據(jù)預處理需求。簡單概括起來，可以分為以下幾個方面：
數(shù)據(jù)清理
數(shù)據(jù)處理中的清理主要包括空值、重復值和異常值的處理：
空值
空字符串、空列表等。不是空值；同樣，notna和notnull用于確定它是否為非空。
填充空值。按照一定的策略填充空值，如常量填充、向前/向后填充等。也可以通過inplace參數(shù)確定是否在本地更改它。
刪除空值，dropna，刪除整行或整列的空值，可以通過axis設置，包括inplace參數(shù)。
重復值
檢測重復值，duplicate，檢測每行是否重復，返回一行索引的bool結果?？梢酝ㄟ^keep參數(shù)設置首行/末行/無預留。例如，keep=first意味著當有多個重復行時，
第一行被認為是合法的，可以保留。
刪除重復值，drop_duplicates，逐行檢測并刪除重復記錄，或者通過keep參數(shù)設置保留項。默認情況下，該方法按行檢測，因此如果需要按列刪除，可以在執(zhí)行該方法之前對其進行轉置。
離群值，判斷離群值的標準取決于具體的分析數(shù)據(jù)，這里只提供兩種備選的處理離群值的方法。
Delete、drop和accept參數(shù)用于刪除特定軸上的一條或多條記錄?？梢酝ㄟ^軸參數(shù)設置是按行刪除還是按列刪除。
Replace，replace，非常強大的功能，對序列或數(shù)據(jù)幀中的每個元素進行條件替換操作，還開啟了正則表達式功能。
數(shù)值計算
因為pandas是在numpy的基礎上實現(xiàn)的，所以numpy的常見數(shù)值計算操作也適用于pandas:
通用函數(shù)ufunc可以像操作標量一樣對所有串行或數(shù)據(jù)幀的元素執(zhí)行相同的操作，這與numpy的特性是一致的。比如上面提到的replace函數(shù)，本質上可以看作是一個通用函數(shù)。
按如下方式逐個元素對數(shù)據(jù)表求平方。
廣播機制，即當尺寸或形狀不匹配時，會根據(jù)一定條件廣播后計算。因為熊貓是帶標簽的數(shù)組，所以在播放過程中會根據(jù)標簽匹配自動播放，而不是像numpy那樣純順序播放。舉個例子，
在下面的示例中，dataframe和series相乘。雖然兩者的維度和大小不同，標簽順序不一致，但是通過標簽匹配仍然可以得到預期的結果。
字符串矢量化，即對數(shù)據(jù)類型為字符串格式的列執(zhí)行矢量化的字符串操作。本質上就是調用series.str屬性的series接口來完成相應的字符串操作。特別強大的是，除了常用的字符串操作方法，
str屬性接口還集成了正則表達式的大部分功能，這使得pandas在處理字符串列時高效而強大。例如，下面的代碼可以用來計算每個句子的字數(shù)。
與字符串一樣，時間類型向量化操作是在pandas中得到優(yōu)先處理的另一種數(shù)據(jù)類型。就像字符串列可以用str屬性調用字符串接口一樣，時間類型列可以用dt屬性調用相應的接口，在處理時間類型的時候會非常有效。
數(shù)據(jù)變換
Pandas還提供了更強大的數(shù)據(jù)轉換方法。
map，適用于series對
象，功能與python中的普通map函數(shù)類似，即對給定序列中的每個值執(zhí)行相同的映射操作，
不同的是series中的map接口的映射方式既可以是一個函數(shù)，也可以是一個字典
apply，既適用于series對象也適用于dataframe對象，
但對二者處理的粒度是不一樣的：apply應用于series時是逐元素執(zhí)行函數(shù)操作；apply應用于dataframe時是逐行或者逐列執(zhí)行函數(shù)操作（通過axis參數(shù)設置對行還是對列，默認是行），
僅接收函數(shù)作為參數(shù)
applymap，僅適用于dataframe對象，且是對dataframe中的每個元素執(zhí)行函數(shù)操作，從這個角度講，與replace類似，applymap可看作是dataframe對象的通函數(shù)。
合并與拼接
pandas中又一個重量級數(shù)據(jù)處理功能是對多個dataframe進行合并與拼接，對應SQL中兩個非常重要的操作：union和join。pandas完成這兩個功能主要依賴以下函數(shù)：
concat，與numpy中的concatenate類似，但功能更為強大，可通過一個axis參數(shù)設置是橫向或者拼接，要求非拼接軸向標簽唯一（例如沿著行進行拼接時，要求每個df內部列名是唯一的，
但兩個df間可以重復，畢竟有相同列才有拼接的實際意義）
merge，完全類似于SQL中的join語法，僅支持橫向拼接，通過設置連接字段，實現(xiàn)對同一記錄的不同列信息連接，支持inner、left、right和outer4種連接方式，
但只能實現(xiàn)SQL中的等值連接
join，語法和功能與merge一致，不同的是merge既可以用pandas接口調用，也可以用dataframe對象接口調用，而join則只適用于dataframe對象接口
append，concat執(zhí)行axis=0時的一個簡化接口，類似列表的append函數(shù)一樣
實際上，concat通過設置axis=1也可實現(xiàn)與merge類似的效果，二者的區(qū)別在于：merge允許連接字段重復，類似一對多或者多對一連接，此時將產生笛卡爾積結果；而concat則不允許重復，
僅能一對一拼接。
pandas教程，以上就是本文為您收集整理的pandas教程最新內容，希望能幫到您！更多相關內容歡迎關注。
