本文共 4332 字，大约阅读时间需要 14 分钟。

Pandas 是 Python 中最受欢迎的数据处理库之一，旨在为数据分析提供高效、灵活且易于使用的工具。以下将详细介绍其核心功能，包括数据结构、操作、可视化等内容。

1. 数据结构

Pandas 提供两种核心数据结构：Series 和 DataFrame。

• Series：类似于 NumPy 的一维数组，支持标签化数据（即行标签）。

  import pandas as pd
  data = [1, 2, 3, 4, 5]
  s = pd.Series(data)
  print(s)

  输出结果：

  0    1
  1    2
  2    3
  3    4
  4    5
  dtype: int64

• DataFrame：类似于 Excel 的二维表格，支持多种数据类型，方便数据操作。

  import pandas as pd
  data = {
      'Name': ['Alice', 'Bob', 'Charlie'],
      'Age': [25, 30, 35],
      'Country': ['USA', 'Canada', 'UK']
  }
  df = pd.DataFrame(data)
  print(df)

  输出结果：

  Name  Age Country
  0   Alice   25     USA
  1    Bob   30  Canada
  2  Charlie   35      UK

2. 数据安装与导入

安装 Pandas：

pip install pandas

导入库：

import pandas as pd

3. 数据读取与写入

Pandas 支持从多种数据源读取数据，包括 CSV、Excel 文件等。

从 CSV 文件读取数据

import pandas as pd
df = pd.read_csv('data.csv')
print(df)

从 Excel 文件读取数据

import pandas as pd
df = pd.read_excel('data.xlsx')
print(df)

写入 CSV 和 Excel 文件

import pandas as pd
data = {
    'Name': ['John', 'Mary', 'Mark'],
    'Age': [25, 30, 35],
    'Country': ['USA', 'Canada', 'UK']
}
df.to_csv('data.csv', index=False)
df.to_excel('data.xlsx', index=False)

4. 数据操作

数据选择与索引

import pandas as pd
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Country': ['USA', 'Canada', 'UK']
}
df = pd.DataFrame(data)
print(df['Name'])  # 选择单列
print(df[['Name', 'Age']])  # 选择多列
print(df.loc[0])  # 选择行
print(df.loc[[0, 2]])  # 选择多行
print(df[df['Age'] > 30])  # 根据条件筛选

数据切片与过滤

import pandas as pd
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Country': ['USA', 'Canada', 'UK']
}
df = pd.DataFrame(data)
print(df.iloc[1:3, :])  # 切片
print(df[df['Age'] > 30])  # 过滤

数据缺失值处理

import pandas as pd
import numpy as np
data = {
    'Name': ['Alice', np.nan, 'Charlie'],
    'Age': [25, np.nan, 35],
    'Country': ['USA', 'Canada', np.nan]
}
df = pd.DataFrame(data)
print(df.isnull())  # 查看缺失值
df_filled = df.fillna(0)  # 填充缺失值
print(df_filled)

数据排序与排名

import pandas as pd
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Country': ['USA', 'Canada', 'UK']
}
df = pd.DataFrame(data)
df_sorted = df.sort_values('Age')
print(df_sorted)
df['Rank'] = df['Age'].rank()
print(df)

5. 数据聚合与分组

import pandas as pd
data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Country': ['USA', 'Canada', 'UK']
}
df = pd.DataFrame(data)
grouped = df.groupby('Country')
agg_result = grouped['Age'].mean()
print(agg_result)

6. 数据可视化

Pandas 与 Matplotlib 结合提供数据可视化功能。

绘制线形图

import pandas as pd
import matplotlib.pyplot as plt
data = {
    'Year': [2010, 2011, 2012, 2013, 2014],
    'Sales': [100, 200, 150, 300, 250]
}
df = pd.DataFrame(data)
df.plot(x='Year', y='Sales', kind='line')
plt.show()

绘制柱状图

import pandas as pd
import matplotlib.pyplot as plt
data = {
    'Year': [2010, 2011, 2012, 2013, 2014],
    'Sales': [100, 200, 150, 300, 250]
}
df = pd.DataFrame(data)
df.plot(x='Year', y='Sales', kind='bar')
plt.show()

7. 高级应用

时间序列分析

import pandas as pd
dates = pd.date_range('2023-01-01', '2023-01-10')
data = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 10], index=dates)
monthly_data = data.resample('M').sum()
print(monthly_data)

合并与连接数据

import pandas as pd
data1 = {
    'Name': ['Alice', 'Bob'],
    'Age': [25, 30]
}
df1 = pd.DataFrame(data1)
data2 = {
    'Name': ['Charlie', 'Dave'],
    'Age': [35, 40]
}
df2 = pd.DataFrame(data2)
df_merged = pd.concat([df1, df2])
print(df_merged)

8. 数据透视表

import pandas as pd
data = {
    'Product': ['Phone', 'Laptop', 'Phone', 'Laptop'],
    'Price': [100, 900, 120, 1100],
    'Sales': [50, 200, 60, 300]
}
df = pd.DataFrame(data)
pivot_table = pd.pivot_table(df, values=['Price', 'Sales'], index='Product', columns='Sales', aggfunc='sum')
print(pivot_table)

9. 实战案例：分析销售数据

代码解析

import pandas as pd
df = pd.read_csv('sales_data.csv')
print(df.head())
print(df.info())
print(df[['Sales', 'Profit']].describe())
category_sales_profit = df.groupby('Category')[['Sales', 'Profit']].sum()
print(category_sales_profit)
df['OrderDate'] = pd.to_datetime(df['OrderDate'])
df['Month'] = df['OrderDate'].dt.month
monthly_sales_profit = df.groupby('Month')[['Sales', 'Profit']].sum()
print(monthly_sales_profit)

CSV 数据示例

转载地址：http://dvvfk.baihongyu.com/