快速入门 #

pandas 简介#

pandas 处理哪种类型的数据？

当处理表格数据时，例如存储在电子表格或数据库中的数据，pandas 是适合您的工具。pandas 将帮助您探索、清洗和处理数据。在 pandas 中，数据表被称为 DataFrame。

如何读取和写入表格数据？

pandas 开箱即用地支持与多种文件格式或数据源（csv、excel、sql、json、parquet 等）的集成。从这些数据源导入数据由带有 read_* 前缀的函数提供。类似地，to_* 方法用于存储数据。

如何选择表格的子集？

选择或筛选特定行和/或列？根据条件筛选数据？pandas 中提供了切片、选择和提取所需数据的方法。

如何在 pandas 中创建图表？

pandas 利用 Matplotlib 的强大功能，开箱即用地提供数据绘图。您可以选择与您的数据相对应的图表类型（散点图、条形图、箱线图等）。

如何根据现有列创建新列？

无需遍历数据表的所有行来执行计算。对列的数据操作是逐元素进行的。基于其他列中的现有数据向 DataFrame 添加列是直接了当的。

如何计算汇总统计信息？

基本统计量（均值、中位数、最小值、最大值、计数等）易于计算。这些或自定义聚合可以应用于整个数据集、数据的滑动窗口，或按类别分组。后者也称为“分拆-应用-合并”方法。

如何重塑表格布局？

以多种方式更改数据表的结构。您可以将数据表从宽格式 melt() 为长格式/整洁格式，或从长格式 pivot() 为宽格式。内置聚合功能，可以通过一个命令创建数据透视表。

如何合并多个表格的数据？

多个表可以按列和按行连接，因为提供了类似数据库的连接/合并操作来组合多个数据表。

如何处理时间序列数据？

pandas 对时间序列有很好的支持，并拥有一整套用于处理日期、时间以及时间索引数据的工具。

如何处理文本数据？

数据集不仅包含数值数据。pandas 提供了广泛的功能来清洗文本数据并从中提取有用信息。

来自…#

您熟悉其他用于处理表格数据的软件吗？了解与您已知软件相比，pandas 中等效的操作

R 编程语言提供了 data.frame 数据结构，并且有多个包，例如 tidyverse 使用和扩展 data.frame 以提供类似于 pandas 的便捷数据处理功能。

已经熟悉 SELECT、GROUP BY、JOIN 等操作？这些 SQL 操作中的大多数在 pandas 中都有等效项。

STATA 统计软件包中包含的 data set 对应于 pandas 的 DataFrame。许多从 STATA 熟悉的操作在 pandas 中都有等效项。

Excel 或其他电子表格程序的用户会发现许多概念可以转移到 pandas 中。

SAS 统计软件包也提供了与 pandas DataFrame 对应的 data set。此外，SAS 的向量化操作、筛选、字符串处理操作等在 pandas 中也有类似的功能。