写在前面：
Pandas简介：Python Data Analysis Library（数据分析处理库） 或 pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。
pandas的数据结构：
Series：一维数组，与Numpy中的一维ndarray类似。二者与Python基本的数据结构List也很相近，其区别是：List中的元素可以是不同的数据类型，而Array和Series中则只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。
Time- Series：以时间为索引的Series。
DataFrame：二维的表格型数据结构，可以理解为Series的容器。
Panel ：三维的数组，可以理解为DataFrame的容器。
本文主要介绍DateFrame数据结构。
本文中用到的数据集为food_info.csv，若有需要，在留言区留言即可获得。
本文只是介绍pandas的基本使用，若要详细深入学习，请参阅pandas官方文档。
1.读取.csv格式的数据文件
food_info.csv文件的局部预览图：
每一行：代表一种食品所包含的各种营养成分
#导包
import pandas
#读取数据文件，并将数据赋值成一个变量
food_info = pandas.read_csv("food_info.csv")
#将数据赋值成一个变量后，打印此变量的类型为Dataframe
print(type(food_info))
#打印文件中数据的类型。object类型即string类型
print(food_info.dtypes)
#若对pandas中的某函数不了解，可以通过help()来查看
print(help(pandas.read_csv)) 运行结果：
补充：DataFrame结构中的dtype类型
object————for string values
int————for integer values
float————for float values
datetime————for time values
bool————for Boolean values
2. DataFrame类型的变量拥有的操作
在第一步中，将要处理的数据文件读取出来并赋值给一个变量food_info，此变量的类型为DataFrame类型，下边将会对这个变量进行操作。
2.1 .head()函数：读取并显示数据的前几行
A. 无参数：缺省默认显示前5行数据
#缺省默认显示前5行数据
food_info.head() 运行结果：
B. 有参数： .head(a)函数如果添加参数a，则显示数据的前a行
#读取并显示数据的前3行
food_info.head(3) 运行结果：
2.2 .tail()函数：读取并显示数据的后几行
A. 无参数：.缺省默认显示后5行数据
#缺省默认显示后5行数据
food_info.tail() 运行结果：
B. 有参数：.tail(a)函数如果添加参数a，则显示数据的末尾a行
#读取并显示数据的后3行
food_info.tail(3) 运行结果：
有print与没有print的区别
没有实质性的差别，只是显示的形式不同而已。
print(food_info.tail(3)) #有print和没有print显示形式有些不同 运行结果：
2.3 .columns函数：读取并显示列名
#读取并显示列名
food_info.columns
#print(food_info.columns) 运行结果：
2.4 .shape函数：返回数据文件的行数和列数
#读取并显示文件的行数和列数
food_info.shape 运行结果：
2.5 .loc[ ]函数：读取文件中特定行位置的数据
在Pandas中取文件特定位置的数据不像python和numpy中那样直接通过index来调
A. .loc[a]函数，参数a：取第a+1行的数据（index是从0开始的）
#读取并显示特定行的数据
#返回第一行的文件数据
food_info.loc[0] 运行结果：
注意：当index的值超过了文件的样本个数，会报错（越界）
#返回第8889行的文件数据
food_info.loc[8888] 运行结果：
B. .loc[a:b]函数，参数a:b ：取从第a行到第b行的数据
#返回数据文件的3——6行数据
food_info.loc[3:6] 运行结果：
C. .loc[[a,b,c]]函数，参数a,b,c ：取第a，b,c三行的数据
注意：这里的参数是元组形式 [a, b, c]
#返回数据文件的3,5,7行数据
food_info.loc[[3,5,7]] 运行结果：
2.6 读取文件中特定列位置的数据
A. 取一列数据
#读取并显示列名为“NDB_No”所在的那一列
ndb_col = food_info["NDB_No"]
print(ndb_col)
#也可以将列名“NDB_No”赋值给变量，然后通过变量来返回数据
col_name = "NDB_No"
ndb_col = food_info[col_name]
print(ndb_col)运行结果：
B. 取特定几列数据
想要取特定的几列，则只需要将想要取得列的列名弄到一起，组成一个list就可以了
#将要取得两列的列名放到一个list里，并赋给变量
columns = ["Zinc_(mg)","Copper_(mg)"]
#通过变量取得两列的数据
zinc_coop = food_info[columns]
print(zinc_coop)
#完全可以不依靠中间变量，意义相同
#food_info[["Zinc_(mg)","Copper_(mg)"]]运行结果：
2.7 抽取列名中以（g）为单位的列的数据
在 .csv数据中，有些数据是以克（g）为单位，有些数据则是以毫克（mg）为单位
需求：抽取出全部以（g）为单位的列的数据
数据的列表头的局部预览图如下：
思路：
1.首先读取列名（.columns函数）；
2.然后将取得的列名转换成list格式（tolist()函数）；
3.再对list遍历，找出以 “（g）”结尾的列名（.endwith()函数），添加到一个空list（gram_columns）里面（.append()函数）
import pandas
#目的：想要看一下数据中有哪些列是以克（g）为单位的
food_info = pandas.read_csv("food_info.csv") #读取.csv的数据文件
col_names = food_info.columns.tolist() #返回DataFrame类型变量的列名，并将其存储为list格式
gram_columns = [] #定义list的变量，准备存放以（g）为单位的列名
for c in col_names: #用for循环对为一个列名进行遍历
if c.endswith("(g)"): #如果列名是以“（g）”结尾的，则将其放入到gram_columns的列表中
gram_columns.append(c)
gram_df = food_info[gram_columns] #gram_df 是所有以（gram_columns）为列名的列的数据。（即抽出这么几行）
print(gram_df.head(3)) #打印所有以“(g)”为单位的列名对应的数据的前三行运行结果：
2.9 数据之间的“+”“-”“×”“÷”操作
在Pandas中，不但各列数据可以“+”“-”“×”“÷”任何数，两列或者多列数据之间也可以进行“+”“-”“×”“÷”。
注意：要求维度一样，当维度一样的时候，对应位置的数据进行运算。
需求：将数据中的两列数据进行乘法，然后把得到的结果作为数据的一个新的指标加入到原来的数据中，使原本数据的列数据增加一。
#导包
import pandas
#读取文件
food_info = pandas.read_csv("food_info.csv")
#将数据中"Water_(g)"和"Energ_Kcal"这两列的数据做乘法运算（对应位置的数据相乘）
#将结果赋值给变量water_energy
water_energy = food_info["Water_(g)"]*food_info["Energ_Kcal"]
print("原数据的shape值：",food_info.shape)
#将乘法得到的新的数据作为样本的一个指标加入到food_info变量中，命名为："Water_energy"
food_info["Water_energy"] = water_energy
print("现在的shape值：", food_info.shape)
#将三列数据组成一个list赋值给变量columns
columns = ["Water_(g)","Energ_Kcal","Water_energy"]
#将list作为food_info的参数
water_energy_togher = food_info[columns]
water_energy_togher
#以上的三行代码，可以合并为下边的一句
#注意三个列名组成的是一个list元组形式,然后传到food_info[]中
#print(food_info[["Water_(g)","Energ_Kcal","Water_energy"]])运行结果：
2.10 .max()函数：求某一列数据的最大值
需求：求某一列数据的最大值
#求某一列数据的最大值
#首先定位到某一列，然后使用.max()函数，求出最大值
max_calories = food_info["Energ_Kcal"].max()
print("max = ",max_calories)运行结果：
2.11 .sort_values()函数：排序
#排序操作
#sort_values()：对数据进行排序
#参数：首先要给一个列名（即对此列数据进行排序）
#inpalce = True：排序后生成另外新的DataFrame数据，而不是原来的那个。
#inpalce = False：排序后生成新的DataFrame数据替换原来的那个
#sort_values()：默认的排序方式为从小到大排序，如果想要从大到小，则设置ascending = False
#对于缺省值的样本，panda会返回NaN，并将这数据排在最后
food_info.sort_values("Sodium_(mg)",inplace = True)
print(food_info["Sodium_(mg)"])
food_info.sort_values("Sodium_(mg)",inplace = True, ascending = False)
print(food_info["Sodium_(mg)"])运行结果：（部分展示）
附上本人的联系方式，欢迎各位前来交流探讨！
版权声明：本文为博主原创文章，未经博主允许不得转载。如要转载请与本人联系