在 Python 中做處理數(shù)據(jù)，那么必須要使用 pandas ，否則你根本做不到'人生苦短，我學(xué)Python'。

最近發(fā)生了一件小事情，讓我意識(shí)到許多人沒有系統(tǒng)掌握 pandas 。我的一位同事在使用 pandas 處理一份數(shù)據(jù)時(shí)，總是忘記應(yīng)該用 pandas 中的哪些方法做處理，每次都要到網(wǎng)上搜索一遍，而稍微復(fù)雜點(diǎn)的處理完全做不出來。

因此，本文介紹 pandas 的核心概念，每個(gè)概念配上形象的圖表，讓你深刻理解他們。日后你會(huì)發(fā)現(xiàn)這些概念會(huì)幫助你更快學(xué)會(huì)其他知識(shí)。

本文概要：

pandas 3大結(jié)構(gòu)：DataFrame、Series、Index(MultiIndex)

在交互式環(huán)境下處理數(shù)據(jù)

就是一個(gè)表格

pandas 是以數(shù)據(jù)表格作為概念而做成的數(shù)據(jù)處理分析包，因此，通過表格形象去理解 pandas 是最適合不過的。

DataFrame

DataFrame 中文叫'數(shù)據(jù)幀'，他以表格的形式來裝載數(shù)據(jù)。DataFrame 是處理數(shù)據(jù)的起點(diǎn)。 比如，有如下一份 csv 文件，內(nèi)容如下：

我們通過 pandas 把 csv 文件的數(shù)據(jù)加載為 DataFrame 。

import pandas as pd ，為了方便使用，一般習(xí)慣導(dǎo)入的時(shí)候，把 pandas 命名為 pd

pd.read_csv('data.csv') ， 從 csv 加載數(shù)據(jù)到 DataFrame。其中有許多 pd.read_xxx 的方法，用于其他方式讀取數(shù)據(jù)。

我們來看看 DataFrame 是什么樣子的。

中間的區(qū)域叫 values ，因此我們可以通過 df.values 獲取這個(gè)值區(qū)域的數(shù)組。

平常處理數(shù)據(jù)的過程中，一般不需要把這個(gè)值區(qū)域讀取出來使用。下面會(huì)看到如何批量獲取一列或一行數(shù)據(jù)。

Series

Series 叫'系列'，上圖從 DataFrame 輸出可以看到其就是一個(gè)表格形式。以此類推，那么 Series 就是表格中的一列。

如圖，這個(gè) DataFrame 有3列，也就是有3個(gè) Series 。

每個(gè) Series 都有一些信息，比如，名字、值。

那怎么獲取一列的數(shù)據(jù)？

通過 DataFrame['列名字'] 即可訪問指定列 。本文重點(diǎn)是說明 pandas 的結(jié)構(gòu)，而非代碼實(shí)現(xiàn)。下一章會(huì)詳細(xì)說明怎樣高效靈活選擇數(shù)據(jù)。

Index

Index 中文叫'索引'，許多人都對(duì) DataFrame 和 Series 很熟悉，但卻忽視了 Index。這是許多復(fù)雜處理的基礎(chǔ)。

細(xì)心的讀者可能會(huì)注意到，在之前我們看到的 DataFrame 輸出時(shí)，最左邊竟然多出一列，csv 數(shù)據(jù)中根本沒有這一列數(shù)據(jù)。 如下：

這多出來的一列就是 Index 。

由于我們是直接從 csv 中加載數(shù)據(jù)進(jìn)來，而沒有指定任何的列作為 Index ，因此 pandas 會(huì)默認(rèn)生成從0開始的一段數(shù)值作為 Index 。

那么 Index 有啥作用？ 之前在說道 Series 的時(shí)候，我們已經(jīng)知道通過列名，可以讓你方便獲取一列數(shù)據(jù)。 同樣地，Index 是為了讓你方便獲取一行數(shù)據(jù)。 如下:

df.loc[1,:] , 表示從 DataFrame 中獲取行索引值是1的那一行數(shù)據(jù)。

不要以為只有行索引噢，其實(shí)我們之前通過列名字獲取一列數(shù)據(jù)，同樣是通過 Index 得到的。

看一下怎么通過行列索引定位一個(gè)數(shù)據(jù):

通過 loc[行索引 , 列索引] ，即可定位一個(gè)數(shù)據(jù)重點(diǎn)：由于行和列索引都是 Index，因此我們只需要學(xué)會(huì)行索引的操作方式，那么同時(shí)就學(xué)會(huì)了列索引的操作方式。

可以設(shè)置指定的列作為索引:

通過 .set_index('名稱') ，讓'名稱'列作為 Index 。

df.loc['西瓜',:] 現(xiàn)在可以通過正常的索引訪問行數(shù)據(jù)

交互式環(huán)境

如果你用過 jupyter notebook ，那么相信你已經(jīng)非常熟悉交互式環(huán)境。下面我演示如何在 vs code 中使用 jupyter 那種單元格式的交互環(huán)境。這功能需要啟動(dòng) jupyter server，因此強(qiáng)烈建議你直接安裝 Anaconda 環(huán)境。直接去官方網(wǎng)站下載 exe ，安裝完成馬上就有完整的 Python 環(huán)境。

使用 #%% ，用于劃分每個(gè)單元格(cell)

我們可以單獨(dú)運(yùn)行任何一個(gè) cell 里面的代碼。

期間產(chǎn)生的變量都會(huì)一直保留。

在此環(huán)境下，你可以快速試驗(yàn)各種代碼，因?yàn)?python 進(jìn)程一直運(yùn)行著，你會(huì)發(fā)現(xiàn)這種方式比起一次次啟動(dòng) python 要快得多。如果你喜歡用 PyCharm ，那么這功能目前必需在專業(yè)版才可以使用。

總結(jié)

以上是生活随笔為你收集整理的python神器pandas_Python数据处理神器，pandas入门必需理解的核心内容的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。