一、Pandas库简介
Pandas 是一个开源的 Python 数据分析库，主要用于数据清洗、处理、探索与分析。其核心数据结构是 Series（一维数据）和 DataFrame（二维表格数据），可以让我们高效地操作结构化数据。Pandas 提供了许多灵活且高效的数据操作方法，能够快速地进行数据筛选、聚合、转换和可视化，是数据科学和机器学习工作流中非常重要的一环。
二、Pandas库安装
通常直接通过 pip 来安装；当然，在Anaconda虚拟环境中亦可用如下两种方式：
pip install pandasconda install pandas在编写中导入Pandas库，我们通常会习惯将其简化为pd：
import pandas as pd
三、常用的Pandas函数
1、数据读取
Pandas库支持多种数据格式的导入，例如 CSV、Excel、SQL 数据库、JSON 等，方便我们从各种数据源中获取数据。假设我们有一个CSV文件，内部如下：
ID,Name,Age,Score
1,Tom,22,85.0
2,Lily,21,92.0
3,Jack,23,78.0
4,Lucy,22,89.0
5,Rose,21,95.0
我们想要读取，则可以：
import pandas as pd# 读取 CSV 文件
df = pd.read_csv('sample.csv')
print(df.head()) # 查看前 5 行
样例输出：
ID Name Age Score
0 1 Tom 22 85.0
1 2 Lily 21 92.0
2 3 Jack 23 78.0
3 4 Lucy 22 89.0
4 5 Rose 21 95.0
2、查看数据
如果我们想快速检查数据的基本信息，如行数、列数、数据类型，则可以前面的基础上加上：
print(df.info()) # 查看数据的基本信息
print(df.describe()) # 生成数据的统计摘要
样例输出：
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 4 columns):# Column Non-Null Count Dtype
--- ------ -------------- -----0 ID 5 non-null int641 Name 5 non-null object2 Age 5 non-null int643 Score 5 non-null float64
dtypes: float64(1), int64(2), object(1)
memory usage: 288.0+ bytes
NoneID Age Score
count 5.000000 5.00000 5.000000
mean 3.000000 21.80000 87.800000
std 1.581139 0.83666 6.610598
min 1.000000 21.00000 78.000000
25% 2.000000 21.00000 85.000000
50% 3.000000 22.00000 89.000000
75% 4.000000 22.00000 92.000000
max 5.000000 23.00000 95.0000003、数据选择与过滤
当然，我们还可以对数据进行选择和过滤，就像下面这样：
# 选择某一列
print(df['Name'],'\n') # 选择多列
print(df[['Name', 'Score']],'\n') # 选择特定行（iloc 按索引，loc 按标签）
print(df.iloc[1])
print(df.loc[df['Score'] > 90]) # 筛选成绩大于 90 的行
样例输出：
0 Tom
1 Lily
2 Jack
3 Lucy
4 Rose
Name: Name, dtype: object Name Score
0 Tom 85.0
1 Lily 92.0
2 Jack 78.0
3 Lucy 89.0
4 Rose 95.0 ID 2
Name Lily
Age 21
Score 92.0
Name: 1, dtype: objectID Name Age Score
1 2 Lily 21 92.0
4 5 Rose 21 95.04、数据清洗
Pandas库还可以处理缺失值（用dropna、fillna）、重复值（用drop_duplicates）、替换值（用replace）等。
例如：（我们先把CSV中Rose的score删掉）
# 删除缺失值
df_cleaned = df.dropna()
print("删除缺失值后的DataFrame:")
print(df_cleaned.head())# 填充缺失值
df_filled = df.fillna(value={'Score': df['Score'].mean()})
print("\n填充缺失值后的DataFrame:")
print(df_filled.head())# 删除重复值
df_unique = df.drop_duplicates()
print("\n删除重复值后的DataFrame:")
print(df_unique.head())# 替换值
df_replaced = df.replace({'Tom': 'Tommy'})
print("\n替换值后的DataFrame:")
print(df_replaced.head())
样例输出：
删除缺失值后的DataFrame:ID Name Age Score
0 1 Tom 22 85.0
1 2 Lily 21 92.0
2 3 Jack 23 78.0
3 4 Lucy 22 89.0 填充缺失值后的DataFrame:ID Name Age Score
0 1 Tom 22 85.0
1 2 Lily 21 92.0
2 3 Jack 23 78.0
3 4 Lucy 22 89.0
4 5 Rose 21 86.0 删除重复值后的DataFrame:ID Name Age Score
0 1 Tom 22 85.0
1 2 Lily 21 92.0
2 3 Jack 23 78.0
3 4 Lucy 22 89.0
4 5 Rose 21 NaN替换值后的DataFrame:ID Name Age Score
0 1 Tommy 22 85.0
1 2 Lily 21 92.0
2 3 Jack 23 78.0
3 4 Lucy 22 89.0
4 5 Rose 21 NaN5、数据的排序、分组求均值、合并、连接
排序会使用到sort_values函数，分组则使用groupby，合并使用merge，连接使用concat
例如：
# 按 'Score' 排序
df_sorted = df.sort_values(by='Score', ascending=False)
print("按 'Score' 排序后的数据:\n", df_sorted)# 分组并求均值
df_grouped = df.groupby('Age')['Score'].mean()
print("按 'Age' 分组并求 'Score' 的均值:\n", df_grouped)# 合并数据
df1 = pd.DataFrame({'ID': [1, 2, 3], 'Class': ['A', 'B', 'A']})
df_merged = df.merge(df1, on='ID', how='left')
print("合并后的数据:\n", df_merged)# 连接多个 DataFrame
df_concat = pd.concat([df, df1], axis=0)
print("连接后的数据:\n", df_concat) 注意：DataFrame 是Pandas库中的一个函数，用于创建一个数据框（DataFrame）。
{'ID': [1, 2, 3], 'Class': ['A', 'B', 'A']} 是一个字典，其中键是列名，值是对应的数据。
'ID' 是列名，对应的数据是 [1, 2, 3]；'Class' 是列名，对应的数据是 ['A', 'B', 'A']。
df1 是一个新创建的数据框，包含两列：ID和Class
merge是Pandas中用于合并两个数据框的函数。
df1 是要与当前数据框 df 合并的另一个数据框。
on='ID' 指定了合并的键（key），即根据两表中的 ID列进行合并。
how='left' 指定了合并的方式为左连接（left join）。这意味着结果将包含左表（即 df）中的所有行，即使右表（即 df1）中没有匹配的行。如果右表中没有匹配的行，结果中对应的列将填充为NaN。
样例输出：
按 'Score' 排序后的数据:ID Name Age Score
4 5 Rose 21 95.0
1 2 Lily 21 92.0
3 4 Lucy 22 89.0
0 1 Tom 22 85.0
2 3 Jack 23 78.0
按 'Age' 分组并求 'Score' 的均值:Age
21 93.5
22 87.0
23 78.0
Name: Score, dtype: float64
合并后的数据:ID Name Age Score Class
0 1 Tom 22 85.0 A
1 2 Lily 21 92.0 B
2 3 Jack 23 78.0 A
3 4 Lucy 22 89.0 NaN
4 5 Rose 21 95.0 NaN
连接后的数据:ID Name Age Score Class
0 1 Tom 22.0 85.0 NaN
1 2 Lily 21.0 92.0 NaN
2 3 Jack 23.0 78.0 NaN
3 4 Lucy 22.0 89.0 NaN
4 5 Rose 21.0 95.0 NaN
0 1 NaN NaN NaN A
1 2 NaN NaN NaN B
2 3 NaN NaN NaN A6、数据转换
例如：
# 创建数据透视表
pivot_table = df.pivot_table(values='Score', index='Age', aggfunc='mean')
print("透视表:\n", pivot_table)# 使用 apply() 转换数据
df['Score_Squared'] = df['Score'].apply(lambda x: x ** 2)
print("转换后的数据:\n", df)# 更改数据类型
df['Age'] = df['Age'].astype(float)
print("更改数据类型后的数据:\n", df)样例输出:
透视表:Score
Age
21 93.5
22 87.0
23 78.0
转换后的数据:ID Name Age Score Score_Squared
0 1 Tom 22 85.0 7225.0
1 2 Lily 21 92.0 8464.0
2 3 Jack 23 78.0 6084.0
3 4 Lucy 22 89.0 7921.0
4 5 Rose 21 95.0 9025.0
更改数据类型后的数据:ID Name Age Score Score_Squared
0 1 Tom 22.0 85.0 7225.0
1 2 Lily 21.0 92.0 8464.0
2 3 Jack 23.0 78.0 6084.0
3 4 Lucy 22.0 89.0 7921.0
4 5 Rose 21.0 95.0 9025.07、日期与时间处理
例如：
# 创建日期列
df['Date'] = pd.to_datetime(['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04', '2023-01-05'])# 提取年份、月份、星期
df['Year'] = df['Date'].dt.year
df['Month'] = df['Date'].dt.month
df['Weekday'] = df['Date'].dt.day_name()print(df)样例输出：
ID Name Age Score Date Year Month Weekday
0 1 Tom 22 85.0 2023-01-01 2023 1 Sunday
1 2 Lily 21 92.0 2023-01-02 2023 1 Monday
2 3 Jack 23 78.0 2023-01-03 2023 1 Tuesday
3 4 Lucy 22 89.0 2023-01-04 2023 1 Wednesday
4 5 Rose 21 95.0 2023-01-05 2023 1 Thursday![33.[前端开发-JavaScript基础]Day10-常见事件-鼠标事件-键盘事件-定时器-案例](https://i-blog.csdnimg.cn/direct/3b3d83a116624edf8c6074ba2db29d7d.png)
