Python中的Pandas工具简介

Pandas 是什么

Pandas 是 Python 中的数据操纵和分析软件包，也是一个强大的数据分析库。

Pandas 中两个新的数据结构：

• Pandas Series
• Pandas DataFrame

使用Pandas 的意义

• 机器学习算法能取得最近的飞速发展，部分原因就是我们可以用大量数据训练算法。
• 对于数据来说，数量并不是唯一重要的方面，数据质量也同等重要。经常大型数据库并不能直接馈送到学习算法中。
• 很多时候，大型数据集缺失值、存在离群值、不正确的值，等等…例如，如果数据存在大量丢失值或糟糕值，机器学习算法将无法达到很好的性能。
• 机器学习的重要一步是首先检查数据，通过进行一些基本的数据分析，确保数据很适合你的训练算法。
• Pandas Series 和 DataFrame 专门用于快速进行数据分析和操纵，并且使用起来。

Pandas 作为数据分析软件包的几个功能

• 允许为行和列设定标签
• 可以针对时间序列数据计算滚动统计学指标
• 轻松地处理 NaN 值
• 能够将不同格式的数据加载到 DataFrame 中
• 可以将不同的数据集合并到一起
• 与 NumPy 和 Matplotlib 集成

Pandas series 简介

Pandas series 是一个像数组一样的一维对象，可以存储很多类型的数据，例如数字或字符串。

Pandas series 和 NumPy ndarray的区别：

• Pandas Series 和 NumPy ndarray 之间的主要区别之一是你可以为 Pandas Series 中的每个元素分配索引标签。换句话说，你可以为 Pandas Series 索引指定任何名称。

• Pandas Series 和 NumPy ndarrays 之间的另一个明显区别是 Pandas Series 可以存储不同类型的数据。

Pandas Series 使用举例

import pandas as pd
# 创建一个存储生活用品的Pandas Series
groceries = pd.Series(data = [30, 6, 'Yes', 'No'], index = ['eggs', 'apples', 'milk', 'bread'])
# 输出创建的 Pandas Series
print(groceries)

输出：

eggs       30
apples      6
milk      Yes
bread      No
dtype: object

注意： 1. Pandas Series 的显示方式为：第一列是索引，第二列是数据。 2. 注意，数据的索引不是从 0 到 3，而是采用我们设置的食品名称。

Pandas Series 的一些属性获取数据信息

print('生活用品的Pandas Series的形状:', groceries.shape)
print('生活用品的Pandas Series维度:', groceries.ndim)
print('生活用品的Pandas Series个数', groceries.size)

输出：

生活用品的Pandas Series的形状: (4,)
生活用品的Pandas Series维度: 1
生活用品的Pandas Series个数 4

单独输出 Pandas Series 的索引标签和数据

print('The data in Groceries is:', groceries.values)
print('The index of Groceries is:', groceries.index)

输出：

生活用品的Pandas Series的数据: [30 6 'Yes' 'No']
生活用品的Pandas Series的索引: Index(['eggs', 'apples', 'milk', 'bread'], dtype='object')

使用 in 命令检查Pandas Series中是否存在某标签：

# 检查 香蕉 索引 是否在生活用品的索引列表中
x = 'bananas' in groceries

# 检查 面包 索引 是否在生活用品的索引列表中
y = 'bread' in groceries

# 输出结果
print('香蕉在生活用品的标签列表中吗?', x)
print('面包在生活用品的标签列表中吗?', y)

输出：

香蕉在生活用品的标签列表中吗? False
面包在生活用品的标签列表中吗? True