(4)Python Pandas库


Pandas是一个开源的Python库,用于使用其强大的数据结构进行高性能数据处理和数据分析。 Python和Pandas在各种学术和商业领域都有应用,其中包括金融,经济学,统计学,广告,网络分析等等。 使用Pandas,无论数据源如何,我们都可以完成数据处理和分析中的五个典型步骤 – 加载,组织,操作,建模和分析数据。

以下是Pandas的一些重要功能,专门用于数据处理和数据分析工作。

Pandas的主要特点是 –

  • 使用默认和自定义索引的快速高效的DataFrame对象。
  • 用于将数据从不同文件格式加载到内存数据对象的工具。
  • 数据对齐和缺失数据的集成处理。
  • 重新设置和旋转日期集。
  • 大数据集的基于标签的分片,索引和子集。
  • 数据结构中的列可以被删除或插入。
  • 按数据分组进行聚合和转换。
  • 高性能的数据合并和连接。
  • 时间序列功能。

Pandas处理以下三种数据结构 –

  • 维数
  • 系列
  • 数据帧

这些数据结构建立在Numpy数组之上,使其快速高效。

维数和描述说明

考虑处理这些数据结构的最佳方式是:将高维数据结构化为较低维数据结构的容器。 例如,DataFrameSeries的容器,PanelDataFrame的容器。

数据结构 维数 描述说明
Series 1 1D标记的同质阵列,大小不可变。
DataFrame 2 一般的二维标签,大小可变的表格结构,具有潜在的非均匀类型列。

DataFrame被广泛使用,它是最重要的数据结构。

系列

系列(Series)是一种具有同质数据结构的一维数组。 例如,以下系列是整数:10,23,56...的集合。

例如,

10    23    56    17    52    61    73    90    26    72
Shell

系列的要点

  • 同质数据
  • 大小不可变
  • 数据的值可变

数据帧

数据帧(DataFrame)是一个具有异构数据的二维数组。 例如,

名字 年龄 性别 得分
Steve 32 3.45
Lia 28 4.6
Vin 45 3.9
Katie 38 2.78

该表格表示一个组织的销售团队的总体绩效评级数据。数据以行和列表示。 每列代表一个属性,每行代表一个人。

数据类型的列

四列的数据类型如下 –

列名 数据类型
名字 字符串
年龄 数字
性别 字符串
得分 浮点数

数据帧的要点 –

  • 异构数据
  • 大小可变
  • 数据可变

在接下来的章节中,我们将看到很多关于在数据科学工作中使用python的pandas库的例子。

 关注右侧公众号,随时随地查看教程
 
Python数据分析教程目录 

You may also like...