Python中Pandas库的数据处理与分析

目录

• 一、Pandas的数据结构
• 1. Series
• 2. DataFrame
• 二、数据读取与写入
• 三、数据选择与操作

一、Pandas的数据结构

Pandas主要有两种数据结构：Series和DataFrame。

1. Series

Series是一种类似于一维数组的对象，它由一组数据和一组与之相关的数据标签（即索引）组成。

import pandas as pd
s = pd.Series([1, 3, 5, np.nan, 6, 8])
print(s)

2. DataFrame

DataFrame是一种二维的表格型数据结构，每列可以是不同的值类型（数值、字符串、布尔值等）。DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用同一个索引）。

import pandas as pd
data = {'Country': ['Belgium', 'India', 'Brazil'],
        'Capital': ['Brussels', 'New Delhi', 'Brasília'],
        'Population': [11190846, 1303171035, 207847528]}
df = pd.DataFrame(data, columns=["Country", "Capital", "Population"])
print(df)

二、数据读取与写入

Pandas提供了一些用于将表格型数据读取为DataFrame对象的函数，支持多种格式的数据，如csv、excel、json、html、sql等。

import pandas as pd
# 从CSV文件中读取数据
df = pd.read_csv('file.csv')
# 将数据写入CSV文件中
df.to_csv('file.csv')

三、数据选择与操作

Pandas提供了多种方式进行数据的选择与操作。

import pandas as pd
# 创建一个数据集
data = {'Name': ['Tom', 'Nick', 'John', 'Tom'],
        'Age': [20, 21, 19, 20],
        'Country':['US', 'UK', 'US', 'UK']}
df = pd.DataFrame(data)
# 选择'Name'列
df['Name']
# 选择第0行
df.iloc[0]
# 选择满足条件的行
df[df.Age > 20]
# 对'Age'列进行求和
df['Age'].sum()
# 对'Country'列进行计数
df['Country'].value_counts()

Pandas的功能远不止这些，还包括合并、分组、缺失数据处理、数据透视表等高级功能，为数据处理和分析提供了强大的工具。