前言

Python是一門實現數據可視化很好的語言，他們里面的很多庫可以很好的畫出圖形，形象明了。

今天我們就來說說:Pandas數據分析核心支持庫

初識Pandas：

Pandas 是 Python 語言的一個擴展程序庫，用于數據分析。

Pandas 是一個開放源碼、BSD 許可的庫，提供高性能、易于使用的數據結構和數據分析工具。

Pandas 名字衍生自術語 “panel data”（面板數據）和 “Python data analysis”（Python 數據分析）。

Pandas 一個強大的分析結構化數據的工具集，基礎是 Numpy（提供高性能的矩陣運算），其次數series，還有一個DataFrame，這三個比較常用。

Pandas 可以從各種文件格式比如 CSV、JSON、SQL、Microsoft Excel 導入數據。

Pandas 可以對各種數據進行運算操作，比如歸并、再成形、選擇，還有數據清洗和數據加工特征。

Pandas 廣泛應用在學術、金融、統計學等各個數據分析領域。

Pandas的主體：

Pandas 的主要數據結構是 Series （一維數據）與 DataFrame（二維數據），這兩種數據結構足以處理金融、統計、社會科學、工程等領域里的大多數典型用例。

Series:帶標簽的一維同構數組，一種類似于一維數組的對象，它由一組數據（各種Numpy數據類型）以及一組與之相關的數據標簽（即索引）組成。

DataFrame：帶標簽，大小可變，二維異構表格。一個表格型的數據結構，它含有一組有序的列，每列可以是不同的值類型（數值、字符串、布爾型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 組成的字典（共同用一個索引）。

Pandas的安裝：

終端輸入，如果你跟我一樣使用Anaconda中的Jupyter進行代表編寫的話，也可以在Anaconda的終端里輸入，之后就可以直接用了，他是Python中的一個庫，使用不需要安裝什么其他軟件，擁有Python編譯器即可。

pip install pandas

Pandas的應用：

1：導入pandas庫

import pandas as pd

2：pandas之series

Pandas Series 類似表格中等一個列（column），類似于一維數組，可以保存任何數據類型 Series 由索引（index）和列組成，函數如下：

pandas.Series( data, index, dtype, name, copy)

參數說明：

data：一組數據(ndarray 類型)。

index：數據索引標簽，如果不指定，默認從 0 開始。

dtype：數據類型，默認會自己判斷。

name：設置名稱。

copy：拷貝數據，默認為 False。

Demo:

FIrst：

import pandas as pd

a = ["shimmer", "zhuzhu", "recently祝祝"]

myvar = pd.Series(a)

print(myvar)

代碼結果：

Second：可修改索引值、

Third:使用字典創建， key/value 對象，類似字典來創建 Series

Fourth:可以通過索引值的指定來取值

3:pandas之Dataframe

DataFrame 是一個表格型的數據結構，它含有一組有序的列，每列可以是不同的值類型（數值、字符串、布爾型值）。DataFrame既有行索引也有列索引，它可以被看做由 Series 組成的字典（共同用一個索引）。

DataFrame 構造方法如下：

pandas.DataFrame( data, index, columns, dtype, copy)

參數說明：

data：一組數據(ndarray、series, map, lists, dict 等類型)。

index：索引值，或者可以稱為行標簽。

columns：列標簽，默認為 RangeIndex (0, 1, 2, …, n) 。

dtype：數據類型。

copy：拷貝數據，默認為 False。

Demo:

First:指定列標

Second：列分開插入,通過字典的形式創建

Third：使用字典（key/value），其中字典的 key 為列名:

fourth:通過loc取值，類似于列表里x,index【number】取值

Fifth:可以返回多行數據，使用 [[ … ]] 格式，… 為各行的索引，以逗號隔開：

Sixth:指定索引值

Seventh:取指定索引值

本篇就到這吧，希望看完這篇文章對你有用。

總結

到此這篇關于python學習之panda數據分析核心支持庫的文章就介紹到這了,更多相關python之panda模塊內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！