Pandas 处理什么类型的数据？#

  • 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。社区一致同意 Pandas 的别名为 pd，因此将 Pandas 加载为 pd 被认为是所有 Pandas 文档的标准做法。

Pandas 数据表格表示#

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

  • 我想存储泰坦尼克号的乘客数据。对于一些乘客，我知道姓名（字符）、年龄（整数）和性别（男性/女性）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格中，请创建一个 DataFrame。当使用 Python 列表字典时，字典键将用作列标题，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，可以存储不同类型的数据（包括字符、整数、浮点数、分类数据等）在列中。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。列标签分别是 Name、Age 和 Sex。

  • 列 Name 由文本数据组成，每个值都是一个字符串，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看起来非常相似

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

一个 DataFrame 中的每一列都是一个 Series#

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

  • 我只对处理 Age 列中的数据感兴趣

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

    在选择 pandas DataFrame 的单个列时，结果是一个 pandas Series。要选择该列，请在方括号 [] 中使用列标签。

注意

如果您熟悉 Python 字典，选择单个列与根据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，因为它只是一个 DataFrame 的单列。Series 确实有行标签。

对 DataFrame 或 Series 做一些操作#

  • 我想知道乘客的最大年龄

    我们可以在 DataFrame 上执行此操作，方法是选择 Age 列并应用 max()

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

    或者到 Series

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

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

  • 我对数据表中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() 方法提供了对 DataFrame 中数值数据的快速概述。由于 Name 和 Sex 列是文本数据，因此默认情况下，describe() 方法不会考虑这些列。

许多 pandas 操作返回 DataFrame 或 Series。 describe() 方法是返回 pandas Series 或 pandas DataFrame 的 pandas 操作的示例。

到用户指南

在用户指南中关于 使用 describe 进行聚合 的部分查看有关 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 将数据表示为具有列和行的表格。除了表示之外，pandas 还支持您在电子表格软件中进行的数据操作和计算。继续阅读下一部分教程以开始使用！

记住

  • 导入包，也称为 import pandas as pd

  • 数据表存储为 pandas DataFrame

  • DataFrame 中的每一列都是一个 Series

  • 您可以通过对 DataFrame 或 Series 应用方法来执行操作

到用户指南

有关 DataFrame 和 Series 的更详细说明，请参阅 数据结构简介。