pandas基本知识.pdf

在Python数据分析领域，pandas库是不可或缺的一部分，它提供了高效的数据结构，如Series和DataFrame，用于处理和分析数据。以下是对这些基本概念的详细说明： **Series对象** 是pandas库中最基础的数据结构之一，它类似于一维数组，可以存储各种类型的数据（如整数、浮点数、字符串或自定义对象）。Series具有一个索引，这个索引是数据的标签，允许我们通过标签而非位置来访问数据。创建Series时，可以传入一个列表和可选的索引列表，如： ```python s1 = pd.Series([166, 167, 168]) s2 = pd.Series([166, 167, 168], index=['小张', '小王', '小李']) ``` **DataFrame对象** 是一个二维表格型数据结构，由多个Series组成，每个列都具有相同的长度，并且有列索引和行索引。DataFrame可以看作是有列标签（columns）和行标签（index）的表格，非常适合存储结构化数据。创建DataFrame时，可以使用二维列表或者字典，如： ```python df1 = pd.DataFrame([[166, 56], [167, 57], [168, 58]]) df2 = pd.DataFrame({'身高': [166, 167, 168], '体重': [56, 57, 58]}, index=['s1', 's2', 's3']) ``` **索引操作** 在pandas中非常重要，它们不仅可以作为数据的标识，还可以用来访问和修改数据。对于Series，索引默认是从0开始的整数序列，但对于DataFrame，你可以自定义行索引和列索引。索引可以通过`.index`属性获取，而数据则可以通过`.values`属性得到。例如，可以使用`.at[]`方法精确地定位并修改DataFrame中的某一行一列的值。 **数据读取和保存** pandas提供了`read_excel()`和`read_csv()`函数从Excel和CSV文件加载数据到DataFrame，而`to_excel()`和`to_csv()`则用于将DataFrame保存到相应格式的文件。例如： ```python df4 = pd.read_excel('nba.xlsx') df4 = pd.read_csv('nba.csv') df4.to_excel('aa.xlsx') df4.to_csv('aa.csv') ``` **基本属性** Series和DataFrame对象有一些重要的属性，如`.index`、`.columns`和`.values`，分别表示行索引、列索引和数据值。`.T`属性用于转置DataFrame对象，将其行和列互换。对于DataFrame，列索引可以像属性一样使用，返回对应的列Series。 **数据查看与修改** 查看和修改DataFrame中的单个数据，可以使用索引操作。对于Series，直接通过索引访问，如`s1['小王']`；对于DataFrame，可以采用多种方式，如`df2['身高']['s1']`，`df2.at['s2', '体重']`或`df2.loc['s2', '体重']`。 **数据切片** 要查看DataFrame的部分数据，可以使用`.head(n)`查看前n行，`.tail(n)`查看后n行，或者直接通过行索引切片，如`df[行索引1:行索引2]`。 **遍历** 对Series，直接遍历相当于遍历其`.values`属性；对DataFrame，直接遍历遍历其列名（`.columns`）。 这只是pandas基础知识的冰山一角，实际使用中还包括合并、筛选、聚合、排序、缺失值处理等多种功能。pandas的强大在于其灵活的数据操作和丰富的功能，使得数据预处理和分析变得更加高效。学习和熟练掌握pandas，对于进行数据科学项目至关重要。