這一節將開始學習python的一個核心數據分析支持庫---pandas，它是python數據分析實踐與實戰的必備高級工具。對于使用 Python 進行數據分析來說，pandas 幾乎是無人不知，無人不曉的。今天，我們就來認識認識數據分析界鼎鼎大名的 pandas。

目錄

一. pandas主要數據結構

1. ?Series

2. DataFrame

二.?列的查改增刪

1. 查看列

2. 修改列

3. 新增列

4. 刪除列

三. 導入Excel表格

一.?pandas主要數據結構

想要了解pandas，我們需要先了解它的主要數據結構Series(一維數據)和DataFrame(二維數據)，這兩種數據足夠用來處理金融，統計，社會工作工程等領域絕大多數案例！

在開始之前我們需要了解怎么導入pandas庫

import pandas as pd

將 pandas 簡寫成 pd 幾乎成了一種不成文的規定。因此，只要你看到 pd 就應該聯想到這是 pandas。

1. ??Series

Series 是一種類似于 Numpy 中一維數組的對象，它由一組任意類型的數據以及一組與之相關的數據標簽(即索引)組成。舉個最簡單的例子：

輸出的結果中：左邊的是數據的標簽，默認從 0 開始依次遞增。右邊是對應的數據，最后一行表明了數據類型。

我們也可以像下面這樣使用 index 參數自定義數據標簽：

我們還可以直接使用字典同時創建帶有自定義數據標簽的數據，pandas 會自動把字典的鍵作為數據標簽，字典的值作為相對應的數據。

可以看出運行結果和上面是一樣的！

訪問 Series 里的數據的方式，也是使用中括號加數據標簽的方式來獲取里面的數據

import pandas as pds1 = pd.Series([2, 4, 6, 8])s2 = pd.Series({'a': 2, 'b': 4, 'c': 6, 'd': 8})print(s1[0])# 輸出：2print(s2['b'])#?輸出：4

標簽的作用很強大，我們可以對相同標簽的兩組數據進行加減乘除運算

假設有兩個租車公司，我們要計算一下兩家公司各種汽車的數量總和：

pandas 自動幫我們將相同數據標簽的數據進行了計算，這就是數據對齊。

你可能會有疑問，如果兩家租車公司汽車種類不一樣怎么辦，pandas 還能進行數據對齊嗎？我們試一下就知道了。

可以看到，對于數據標簽不相同的數據，運算后結果是 NaN。NaN 是 Not a Number(不是一個數字)的縮寫，因為其中一個 Series 中沒有對應數據標簽的數據，無法進行計算，因此返回了 NaN。

對于這種情況，我們想讓沒有的數據默認為 0，然后再進行計算。這種需求 pandas 可以實現嗎？

當然可以！只需調用 Series 的?add()?方法，并設置好默認值即可。具體用法如下：

add()?方法對應的是加法，數學中的四則運算在 pandas 中都有一一對應的方法，它們的用法都是類似的。具體對應關系如下圖所示：

2.?DataFrame

Series 是一維數據，而 DataFrame 是二維數據。什么意思呢？你可以把 DataFrame 想象成一個表格，表格有行和列這兩個維度，所以是二維數據。

實際上，表格中的每一行或每一列都是一個 Series，這些 Series 就組成了 DataFrame。按行分，每一行數據加上上面的數據標簽就是一個 Series，?或者按列分每一列數據加上左邊的數據標簽也是一個Series

那么，如何用 DataFrame 實現上圖中那樣的表格呢？也很簡單，請看代碼：

接下來是本節的重點——DataFrame。構建 DataFrame 的辦法有很多，最常用的一種是傳入一個由等長列表組成的字典。即字典里每個值都是列表，且它們的長度必須相等。

這樣我們就得到了一個表格，字典的鍵會作為表格的列名。最左邊的是索引，也是默認從 0 開始依次增加。當然，我們也可以在構建 DataFrame 的時候傳入 index 參數來自定義索引。

全都寫在一行代碼就太長了，所以我把表格數據放到了變量 data 中。并且通過 index 參數將日期作為了 DataFrame 的索引。

二. 列的查改增刪

1.?查看列

為了減少重復代碼的出現，接下來的講解都基于下面的代碼。

import pandas as pddata = {  '蘭博基尼': [14, 20],  '邁凱輪': [7, 3],  '法拉利': [8, 13],  '帕加尼': [10, 6]}df = pd.DataFrame(data, index=['租車公司A', '租車公司B'])

如果我們只想查看有關法拉利的數據，我們可以這樣寫：

print(df['法拉利'])

輸出結果為：

我們還能同時選擇多列進行查看，只要把多個列名放到列表當中即可。

print(df[['法拉利',?'邁凱輪']])

輸出結果為：

2. 修改列

如果我們發現表格中的數據有錯誤，想要修改，這其實非常的簡單，直接對已有列直接賦值即可。

df['法拉利']?=?[18,?23]print(df)

輸出結果就為修正后的：

3. 新增列

如果想要新增一列同樣也非常的簡單，對表格中不存在的列直接賦值就能添加新的列了。

df['奧迪R8']?=?[3,?5]print(df)

輸出結果為

4.?刪除列

刪除列需要用到 drop()?方法。我們先來看一下用法：

df.drop('邁凱輪',?axis=1,?inplace=True)print(df)#?或者?print(df.drop('邁凱輪',?axis=1))

drop()?方法的第一個參數是要刪除的列名或索引。axis 表示針對行或列進行刪除，axis = 0 表示刪除對應的行，axis = 1 表示刪除對應的列，axis 默認為 0。

最后的 inplace = True 表示直接修改原數據，否則?drop()?方法只是返回刪除后的表格，對原表格沒有影響。因此上面兩種寫法的結果是一樣的。

三. 導入Excel表格

導入Excel表格只需要一行代碼即可：

import pandas as pddf?=?pd.read_excel('文件所在路徑/文件名.xlsx')

我們可以用代碼：

print(type(df))

來查看導入數據是一維數據(Series)還是二維數據(DataFrame)

讀取到表格數據后，可能表格數據很多，我們想大致確認一下表格內容，不需要打印出完整的表格。這時我們可以使用 head()?方法來查看前 5 條數據。

代碼為：

print(df.head())

head()?方法還支持傳入參數來控制顯示前多少條數據，比如前 2 條數據：

print(df.head(2))

除了查看開頭的一些數據，還可以使用 tail()?方法查看末尾的數據。用法和 head()?一致，默認顯示 5 條，可以傳入參數來改變顯示的條數。

print(df.tail())

我們還能通過 info()?方法查看整個表格的大致信息。

print(df.info())

運行結果及主要含義如下圖所示：(用季度銷售額的數據舉例)

通過?info()?方法我們可以對表格大致有個了解，知道有幾行幾列，以及哪列有多少條缺失數據。

除此之外，我們還能通過?describe()?方法來快速查看數據的統計摘要，方便我們對數據有一個直觀上的認識。

print(df.describe())

生成的摘要從上往下分別表示數量、平均數、標準差、最小值、25% 50% 75% 位置的值和最大值。

?

長按關注公眾號

歡迎留言交流

總結

以上是生活随笔為你收集整理的c++控制台应用每一列数据如何对齐_Python数据分析第五节 pandas入门的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。