Pandas 数据处理

Pandas 是一个用于数据处理和数据分析的 Python 库，它提供了一组数据结构和数据处理工具，使 Python 语言成为实现可靠、高性能、易于使用的数据操作环境的理想选择。

Pandas 的主要数据结构

Series

Series 是一种类似于一维数组的对象，由一组数据（各种 NumPy 数据类型）以及一组与之相关的数据标签（即索引）组成。可以通过索引的方式将数据与标签相对应，访问数据非常方便。

DataFrame

DataFrame 是 Pandas 中最重要的数据结构之一，它类似于电子表格或 SQL 中的表格，由多个行和列组成，每列可以是不同类型的数据（如数字、字符串和布尔值）。DataFrame 可以由多个 Series 组成，每个 Series 作为 DataFrame 的一列。

Pandas 常用数据处理操作

读取数据

使用 Pandas 读取数据非常方便，可以直接使用 read_csv() 或 read_excel() 函数读取 CSV 或 Excel 文件，也可以通过 read_sql() 函数从 SQL 数据库中读取数据。

import pandas as pd

# 读取 CSV 文件
data = pd.read_csv('data.csv')

# 读取 Excel 文件
data = pd.read_excel('data.xlsx')

# 从 SQL 数据库中读取数据
data = pd.read_sql('SELECT * FROM table', con)

描述性统计

Pandas 提供了常见的描述性统计方法，如 mean()、median()、std() 等，可以方便地对数据进行统计和分析。

import pandas as pd

# 计算均值
mean = data.mean()

# 计算中位数
median = data.median()

# 计算标准差
std = data.std()

数据筛选和切片

Pandas 提供了类似于 NumPy 的数组切片方式，可以方便地对数据进行筛选和切片操作。

import pandas as pd

# 筛选数据
filtered_data = data[data['salary'] > 5000]

# 切片数据
sliced_data = data.loc[0:9, ['name', 'age', 'salary']]

数据聚合

Pandas 提供了聚合操作，可以方便地对数据进行分组和聚合统计。

import pandas as pd

# 按部门分组，计算平均工资
grouped_data = data.groupby('department')['salary'].mean()

总结

在数据处理和数据分析领域，Pandas 是 Python 语言中最重要的工具之一，它提供了丰富的数据处理和数据分析功能，可以让程序员更加方便地处理和分析数据。无论是数据读取、描述性统计、数据筛选和切片，还是数据聚合，Pandas 都提供了方便的接口和工具。