Python-Pandas

Pandas是一个开源的Python数据分析和数据处理库，它提供了大量的数据结构和数据分析工具，特别适合于处理表格数据。

安装

pip install pandas

在使用Pandas之前，需要首先导入Pandas模块。在Python程序中，可以使用import pandas as pd代码来导入Pandas。Pandas提供了两种主要的数据结构：Series和DataFrame。

Series：一维标记数组，类似于带索引的数组。

DataFrame：二维表格型数据结构，包含有序的列和索引。

数据读取和写入

Pandas可以读取和写入各种数据格式，包括CSV文件、Excel文件等。以下是一些常用的数据读取和写入方法：

读取CSV文件：使用pd.read_csv('filename.csv')方法读取CSV文件，其中'filename.csv'是文件的路径和名称。

写入CSV文件：使用DataFrame.to_csv('filename.csv', index=False)方法将数据写入CSV文件。其中index=False表示不写入行索引。

数据选择和操作

Pandas提供了丰富的方法来选择和操作数据，包括切片、过滤、排序等。以下是一些常用的数据选择和操作方法：

选择列：使用DataFrame['column_name']来选择DataFrame中的一列数据。

过滤数据：使用布尔索引来选择满足条件的数据。例如，DataFrame[DataFrame['column_name'] > value]会选择'column_name'列中值大于'value'的行。

排序数据：使用DataFrame.sort_values(by='column_name', ascending=True)方法对数据进行排序。其中by参数指定排序的列，ascending参数指定排序方式（True为升序，False为降序）。

数据统计和分析

Pandas还提供了数据统计和分析的功能，包括描述性统计、分组聚合等。以下是一些常用的数据统计和分析方法：

描述性统计：使用DataFrame.describe()方法生成描述性统计信息，包括均值、标准差、最小值、最大值等。

分组聚合：使用DataFrame.groupby('column_name').agg(function)方法对数据进行分组并应用聚合函数。其中groupby方法用于指定分组的列，agg方法用于指定聚合函数（如均值、求和等）。

 常用方法

pd.read_csv(filepath_or_buffer, sep=',', delimiter=None, ...)：读取CSV文件。

pd.read_excel(io, sheet_name=0, header=0, ...)：读取Excel文件。

DataFrame.to_csv(path_or_buf, sep=',', columns=None, ...)：将数据写入CSV文件。

DataFrame.to_excel(excel_writer, sheet_name='Sheet1', index=True, ...)：将数据写入Excel文件。

DataFrame.loc[row_labels, column_labels]：基于标签选择数据。

DataFrame.iloc[row_slicer, column_slicer]：基于位置选择数据。

DataFrame.drop(labels, axis=0, ...)：删除行或列。

DataFrame.add(other, axis='columns', ...)：加法操作。

DataFrame.sub(other, axis='columns', ...)：减法操作。

DataFrame.mul(other, axis='columns', ...)：乘法操作。

DataFrame.div(other, axis='columns', ...)：除法操作。

DataFrame.describe(include='all', percentiles=None, ...)：生成描述性统计信息。

DataFrame.groupby(by=None, axis=0, level=None, ...)：对数据进行分组。

DataFrame.agg(func, axis='columns', *args, **kwargs)：应用聚合函数。

DataFrame.mean(axis=None, skipna=None, numeric_only=None, ...)：计算均值。

DataFrame.sum(axis=None, skipna=None, numeric_only=None, ...)：计算总和。

DataFrame.info(verbose=None, null_counts=True, ...)：输出DataFrame的基本信息。

DataFrame.head(n=5)：返回前n行数据。

DataFrame.tail(n=5)：返回后n行数据。

DataFrame.isnull()：检查数据是否为空（NaN）。

DataFrame.dropna(axis=0, how='any', thresh=None, ...)：删除包含空值的行或列。

DataFrame.fillna(value=None, method=None, axis=None, ...)：填充空值。