pandas 是一个开源的 Python 数据分析库，它提供了快速、灵活和富有表现力的数据结构，旨在使“关系”或“标记”数据的“快速分析、清洗和转换”变得既简单又直观。pandas 非常适合于数据清洗和转换、数据分析和建模等任务。以下是 pandas 的基本概念和主要特征：

基本概念

1. DataFrame：
   • DataFrame 是 pandas 提供的一个二维的、大小可变的、可以存储多种类型数据的表格型数据结构。它既有行索引也有列索引，可以被看作是一个 Excel 表格，或者是 SQL 表，或者是字典的字典。
   • DataFrame 中的数据以行列的形式存储，其中行由索引标识，列由列名标识。
2. Series：
   • Series 是一个一维数组对象，能够保存任何数据类型（整数、字符串、浮点数、Python 对象等）。它有一个标签与之关联，可以看作是 DataFrame 的一列。

主要特征

1. 灵活的数据结构：
   • pandas 提供了 DataFrame 和 Series 两种灵活的数据结构，可以方便地处理标记数据和关系数据。
2. 强大的数据操作能力：
   • 提供了大量用于数据清洗、转换、筛选、分组、聚合等操作的函数和方法。
   • 支持布尔索引、标签索引、位置索引等多种索引方式。
3. 集成数据缺失处理：
   • pandas 提供了一套丰富的功能来处理含有缺失值的数据，如填充缺失值、删除含有缺失值的行等。
4. 数据合并和连接：
   • pandas 可以方便地将多个 DataFrame 或 Series 合并或连接在一起，支持多种合并策略（如内连接、外连接等）。
5. 时间序列处理：
   • pandas 提供了强大的时间序列处理功能，可以轻松地进行日期范围生成、日期偏移、时间频率转换等操作。
6. 数据可视化集成：
   • pandas 可以与 matplotlib、seaborn 等可视化库无缝集成，方便地将数据可视化。
7. 高性能：
   • pandas 的底层实现采用了 NumPy 库，因此具有高效的数值计算性能。
   • pandas 还提供了多种优化手段，如内存优化、计算优化等，确保在处理大规模数据时依然保持高性能。
8. 易用性：
   • pandas 提供了丰富的 API 和文档，使得用户能够轻松地学习和使用。
   • pandas 的语法直观易懂，与 Python 的风格保持一致，降低了学习成本。

通过结合以上这些特点，pandas 成为了数据分析师和数据科学家不可或缺的工具之一。

---

 简单接触一些：

pd.concat()
这个函数用于将多个pandas对象（如DataFrame或Series）沿着一条特定的轴拼接起来。

import pandas as pd  # 创建两个简单的DataFrame  
df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})  
df2 = pd.DataFrame({'A': [5, 6], 'B': [7, 8]})  # 使用pd.concat按行拼接  
result = pd.concat([df1, df2])  
print(result)  
print("______________________________")
# 按列拼接  
result_col = pd.concat([df1, df2], axis=1)  
print(result_col)

pd.melt()
这个函数用于将DataFrame中的列转换为行格式，常用于数据重塑。

 

pd.get_dummies()
这个函数用于将分类变量转换为哑变量（dummy variables，或称为独热编码）。

 

DataFrame.groupby()
DataFrame的groupby方法用于根据一个或多个列对数据进行分组，并对每个组执行某些操作（如聚合）。

df = pd.DataFrame({  'A': ['foo', 'foo', 'foo', 'bar', 'bar'],  'B': ['one', 'one', 'two', 'two', 'one'],  'C': ['small', 'large', 'large', 'small', 'small'],  'D': [1, 2, 2, 3, 3],  'E': [2, 4, 5, 5, 6]  
})  # 按列'A'分组，并计算每组的'D'列的平均值  
grouped = df.groupby('A')['D'].mean()  
print(grouped)

 

DataFrame.merge()
DataFrame的merge方法用于根据一个或多个键将两个DataFrame合并在一起。

left = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],  'A': ['A0', 'A1', 'A2', 'A3'],  'B': ['B0', 'B1', 'B2', 'B3']})  right = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],  'C': ['C0', 'C1', 'C2', 'C3'],  'D': ['D0', 'D1', 'D2', 'D3']})  # 按'key'列进行内连接  
merged = left.merge(right, on='key')  
print(merged)

  常用的函数和方法示例

数据导入与导出

pd.read_csv()
用于读取CSV文件并转换为DataFrame。

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

 DataFrame.to_csv()

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

数据查看与描述

DataFrame.head() 和 DataFrame.tail()
查看DataFrame的前几行或后几行

# 查看前3行  
print(df.head(3))  # 查看后2行  
print(df.tail(2))

DataFrame.info()
打印DataFrame的简要摘要信息，包括每列的非空值数量、数据类型等。

df.info()

DataFrame.describe()

生成描述性统计信息，包括计数、均值、标准差、最小值、25%、50%、75%分位数和最大值，主要针对数值型列。

df.describe()

数据选择与过滤

DataFrame.loc[] 和 DataFrame.iloc[]
基于标签或整数位置选择数据。

# 使用标签选择数据  
print(df.loc[0:2, 'A':'B'])  # 使用整数位置选择数据  
print(df.iloc[0:2, 0:2])

DataFrame.filter()
基于列标签选择列。

filtered = df.filter(like='A', axis=1)

 DataFrame.query()

使用查询字符串进行数据过滤。

filtered = df.query('A > 1 & B < 4')