Python中的 Pandas 简介

Pandas 是一个开源库，主要用于轻松直观地处理关系或标记数据。它提供了用于操作数值数据和时间序列的各种数据结构和操作。该库建立在 NumPy 库之上。 Pandas 速度快，为用户提供高性能和高生产力。

Table of Content :

• History
• Advantages
• Getting Started 
  • Series
  • DataFrame
• Why Pandas is used for Data Science

历史

Pandas 最初是由 Wes McKinney 于 2008 年在 AQR Capital Management 工作时开发的。他说服 AQR 允许他开源 Pandas。 AQR 的另一位员工 Chang She 于 2012 年作为第二个主要贡献者加入该库。随着时间的推移，已经发布了许多版本的 pandas。大熊猫的最新版本是 1.4.1

好处

• 快速高效地处理和分析数据。
• 可以加载来自不同文件对象的数据。
• 轻松处理浮点和非浮点数据中的缺失数据（表示为 NaN）
• 大小可变性：可以从 DataFrame 和更高维对象中插入和删除列
• 数据集合并和加入。
• 灵活地重塑和旋转数据集
• 提供时间序列功能。
• 强大的分组功能，用于对数据集执行拆分-应用-组合操作。

入门

pandas 安装到系统后，需要导入库。该模块通常导入为：

import pandas as pd

在这里，pd 被称为 Pandas 的别名。但是，没有必要使用别名导入库，它只是有助于在每次调用方法或属性时编写更少的代码。

Pandas 一般提供两种数据结构来操作数据，它们是：

• 系列
• 数据框

系列：

Pandas Series 是一个一维标记数组，能够保存任何类型的数据（整数、字符串、浮点数、 Python对象等）。轴标签统称为索引。 Pandas 系列只不过是 Excel 工作表中的一列。标签不必是唯一的，但必须是可散列的类型。该对象支持整数和基于标签的索引，并提供了许多方法来执行涉及索引的操作。

注意：更多信息请参考Python |熊猫系列

创建系列

在现实世界中，将通过从现有存储中加载数据集来创建 Pandas 系列，存储可以是 SQL 数据库、CSV 文件、Excel 文件。 Pandas 系列可以从列表、字典和标量值等创建。

例子：

Python3

import pandas as pd
import numpy as np
 
 
# Creating empty series
ser = pd.Series()
   
print(ser)
 
# simple array
data = np.array(['g', 'e', 'e', 'k', 's'])
   
ser = pd.Series(data)
print(ser)

输出：

Series([], dtype: float64)
0    g
1    e
2    e
3    k
4    s
dtype: object

注意：有关详细信息，请参阅创建 Pandas 系列

数据框

Pandas DataFrame 是一种二维大小可变的、潜在异构的表格数据结构，带有标记的轴（行和列）。数据框是一种二维数据结构，即数据以表格的方式在行和列中对齐。 Pandas DataFrame 由三个主要组件组成，即数据、行和列。

注意：更多信息请参考Python |熊猫数据框

创建一个数据框：

在现实世界中，将通过从现有存储中加载数据集来创建 Pandas DataFrame，存储可以是 SQL 数据库、CSV 文件、Excel 文件。 Pandas DataFrame 可以从列表、字典和字典列表等中创建。

例子：

Python3

import pandas as pd
   
# Calling DataFrame constructor
df = pd.DataFrame()
print(df)
 
# list of strings
lst = ['Geeks', 'For', 'Geeks', 'is', 
            'portal', 'for', 'Geeks']
   
# Calling DataFrame constructor on list
df = pd.DataFrame(lst)
print(df)

输出：

Empty DataFrame
Columns: []
Index: []
        0
0   Geeks
1     For
2   Geeks
3      is
4  portal
5     for
6   Geeks

注意：有关详细信息，请参阅创建 Pandas DataFrame

为什么 Pandas 用于数据科学

Pandas 通常用于数据科学，但您想知道为什么吗？这是因为 pandas 与其他用于数据科学的库结合使用。它建立在NumPy库之上，这意味着在 Pandas 中使用或复制了 NumPy 的许多结构。 Pandas 生成的数据通常用作Matplotlib的绘图函数、 SciPy中的统计分析、 Scikit-learn中的机器学习算法的输入。
Pandas 程序可以从任何文本编辑器运行，但建议使用 Jupyter Notebook，因为 Jupyter 能够在特定单元格中执行代码而不是执行整个文件。 Jupyter 还提供了一种简单的方法来可视化 pandas 数据框和绘图。

注意：有关 Jupyter Notebook 的更多信息，请参阅如何使用 Jupyter Notebook - 终极指南