开始使用 #

pandas 简介#

pandas 处理哪种类型的数据？

处理表格数据（例如存储在电子表格或数据库中的数据）时，pandas 是适合您的工具。pandas 将帮助您探索、清理和处理数据。在 pandas 中，数据表称为 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集成（csv、excel、sql、json、parquet 等）。从这些数据源导入数据由前缀为 read_* 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？

选择或过滤特定行和/或列？根据条件过滤数据？pandas 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对应的图表类型（散点图、条形图、箱线图等）。

如何创建从现有列派生的新列？

无需遍历数据表中的所有行来进行计算。对列进行数据操作是逐元素进行的。基于其他列中的现有数据向 DataFrame 添加列非常直接。

如何计算汇总统计信息？

可以轻松计算基本统计量（均值、中位数、最小值、最大值、计数等）。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 split-apply-combine 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() 成长格式/整洁格式，或从长格式 pivot() 成宽格式。内置聚合功能，只需一个命令即可创建透视表。

如何合并多个表格的数据？

可以通过列向和行向连接多个表格，也可以使用类似数据库的 join/merge 操作来合并多个数据表。

如何处理时间序列数据？

pandas 对时间序列有很好的支持，并拥有一套广泛的工具集，用于处理日期、时间和时间索引数据。

如何处理文本数据？

数据集不仅包含数值数据。pandas 提供了广泛的函数来清理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对应的 pandas 操作

R 编程语言提供了 data.frame 数据结构和多个包（例如 tidyverse）使用并扩展了 data.frame，以提供类似 pandas 的便捷数据处理功能。

已经熟悉 SELECT、GROUP BY、JOIN 等？这些 SQL 操作中的大多数在 pandas 中都有对应项。

STATA 统计软件套件中包含的 data set 对应于 pandas 的 DataFrame。许多已知的 STATA 操作在 pandas 中都有对应项。

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

SAS 统计软件套件也提供了对应于 pandas DataFrame 的 data set。SAS 的向量化操作、过滤、字符串处理操作等在 pandas 中也有类似功能。