本文共 2032 字，大约阅读时间需要 6 分钟。

Pandas库深入解析：核心功能与实战应用

1. 核心数据结构

1.1 Series

Series是Pandas库的核心数据结构，代表一维标记数组。它可以存储多种数据类型（如整数、浮点数、字符串等），并通过索引提供灵活的数据访问功能。

创建示例：

import pandas as pd
s = pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])

常用操作：

• 访问元素：s['a'] 或 s[0]
• 统计运算：s.mean(), s.sum()
• 过滤：s[s > 2]

1.2 DataFrame

DataFrame是Pandas库中表示二维数据的核心数据结构，类似于Excel表格，支持多种数据类型和灵活的行、列操作。

创建示例：

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data)

常用操作：

• 查看数据：df.head(), df.tail()
• 访问列：df['Age']
• 访问行：df.loc[0]（按标签）或 df.iloc[0]（按位置）

2. 数据操作与处理

2.1 数据读取与写入

Pandas支持从多种数据源读取和写入数据，包括CSV、Excel、JSON等格式。

读取示例：

df = pd.read_csv('data.csv')

写入示例：

df.to_csv('output.csv', index=False)

2.2 数据清洗

数据清洗是数据分析的重要环节，Pandas提供了丰富的工具来处理缺失值、去重和数据类型转换等问题。

• 处理缺失值：df.dropna(inplace=True) 或 df.fillna(0, inplace=True)
• 去重：df.drop_duplicates(inplace=True)
• 数据类型转换：df['Age'] = df['Age'].astype(int)

2.3 数据选择与过滤

• 选择特定行列：df[['Name', 'City']] 或 df.loc[1]
• 条件过滤：adults = df[df['Age'] > 18]

2.4 数据聚合与分组

• 分组操作：grouped = df.groupby('City').mean()
• 聚合函数：agg_data = df.groupby('City').agg({'Age': ['mean', 'max'], 'Name': 'count'})

3. 时间序列处理

Pandas对时间序列数据处理支持强大，支持日期范围创建、索引设置和频率转换等操作。

创建时间序列：

dates = pd.date_range('2023-01-01', periods=5)
ts = pd.Series(range(5), index=dates)

时间索引设置：

df.set_index('Date', inplace=True)

频率转换：

ts.resample('D').sum()

4. 高级功能

4.1 合并与连接

• 合并：pd.merge(df1, df2, on='key')
• 连接：pd.concat([df1, df2], axis=0)

4.2 数据透视表

通过pivot_table函数可以快速创建数据透视表。

pivot = df.pivot_table(index='City', values='Age', aggfunc='mean')

5. 性能优化

• 使用Categorical类型：df['City'] = df['City'].astype('category')
• 批量操作：避免循环处理，直接使用向量化操作

6. 实际应用案例

6.1 销售数据分析

总结

Pandas是一个功能强大且灵活的数据分析库，适用于多种数据处理任务。它的高效性和易用性使得数据科学家能够快速完成数据清洗、分析和可视化工作。在商业分析、机器学习等领域，Pandas是不可或缺的工具。通过掌握Pandas的核心功能和高级功能，您可以在数据分析中高效解决问题，提升工作效率。

转载地址：http://mpvfk.baihongyu.com/