pandas 处理哪种数据？#

  • 我想开始使用 pandas

    In [1]: import pandas as pd

    要加载 pandas 包并开始使用它，请导入该包。社区约定 pandas 的别名为 pd，因此将 pandas 加载为 pd 被视为所有 pandas 文档的标准做法。

pandas 数据表表示#

../../_images/01_table_dataframe.svg

  • 我想存储泰坦尼克号的乘客数据。对于一部分乘客，我知道他们的姓名（字符）、年龄（整数）和性别（男/女）数据。

    In [2]: df = pd.DataFrame(
   ...:     {
   ...:         "Name": [
   ...:             "Braund, Mr. Owen Harris",
   ...:             "Allen, Mr. William Henry",
   ...:             "Bonnell, Miss. Elizabeth",
   ...:         ],
   ...:         "Age": [22, 35, 58],
   ...:         "Sex": ["male", "male", "female"],
   ...:     }
   ...: )
   ...: 

In [3]: df
Out[3]: 
                       Name  Age     Sex
0   Braund, Mr. Owen Harris   22    male
1  Allen, Mr. William Henry   35    male
2  Bonnell, Miss. Elizabeth   58  female

    要手动将数据存储在表中，请创建一个 DataFrame。当使用 Python 列表字典时，字典的键将用作列标题，每个列表中的值将用作 DataFrame 的列。

一个 DataFrame 是一个二维数据结构，可以在列中存储不同类型的数据（包括字符、整数、浮点值、分类数据等）。它类似于电子表格、SQL 表或 R 中的 data.frame。

  • 该表有 3 列，每列都有一个列标签。列标签分别为 Name、Age 和 Sex。

  • 列 Name 由文本数据组成，每个值都是字符串；列 Age 是数字；列 Sex 是文本数据。

在电子表格软件中，我们数据的表格表示会非常相似

../../_images/01_table_spreadsheet.png

DataFrame 中的每一列都是一个 Series#

../../_images/01_table_series.svg

  • 我只对处理列 Age 中的数据感兴趣

    In [4]: df["Age"]
Out[4]: 
0    22
1    35
2    58
Name: Age, dtype: int64

    当选择 pandas DataFrame 的单个列时，结果是一个 pandas Series。要选择列，请使用方括号 [] 中的列标签。

注意

如果您熟悉 Python 字典，选择单个列与基于键选择字典值非常相似。

您也可以从头开始创建一个 Series

In [5]: ages = pd.Series([22, 35, 58], name="Age")

In [6]: ages
Out[6]: 
0    22
1    35
2    58
Name: Age, dtype: int64

pandas Series 没有列标签，因为它只是 DataFrame 的单个列。一个 Series 确实有行标签。

对 DataFrame 或 Series 执行操作#

  • 我想知道乘客的最大年龄

    我们可以通过选择 Age 列并应用 max() 来在 DataFrame 上执行此操作。

    In [7]: df["Age"].max()
Out[7]: 58

    或者对 Series 执行此操作。

    In [8]: ages.max()
Out[8]: 58

正如 max() 方法所演示的，您可以对 DataFrame 或 Series 执行 操作。pandas 提供了许多功能，每个功能都是您可以应用于 DataFrame 或 Series 的一个 方法。由于方法是函数，请不要忘记使用括号 ()。

  • 我对数据表的数值数据的基本统计信息感兴趣

    In [9]: df.describe()
Out[9]: 
             Age
count   3.000000
mean   38.333333
std    18.230012
min    22.000000
25%    28.500000
50%    35.000000
75%    46.500000
max    58.000000

    describe() 方法提供了 DataFrame 中数值数据的快速概览。由于 Name 和 Sex 列是文本数据，它们默认不被 describe() 方法考虑在内。

许多 pandas 操作返回一个 DataFrame 或一个 Series。describe() 方法是返回 pandas Series 或 pandas DataFrame 的 pandas 操作的一个示例。

至用户指南

在用户指南的关于 使用 describe 进行聚合 的部分中查看有关 describe 的更多选项。

注意

这只是一个起点。与电子表格软件类似，pandas 将数据表示为带有列和行的表格。除了数据表示，pandas 还支持您在电子表格软件中进行的数据操作和计算。请继续阅读后续教程以开始使用！

记住

  • 导入包，即 import pandas as pd

  • 数据表存储为 pandas DataFrame

  • DataFrame 中的每一列都是一个 Series

  • 您可以通过将方法应用于 DataFrame 或 Series 来执行操作

至用户指南

关于 DataFrame 和 Series 的更详细解释可在数据结构介绍中找到。