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。社区约定俗成的 pandas 别名为 pd，因此将 pandas 加载为 pd 被认为是 pandas 文档中所有内容的标准做法。

pandas 数据表表示#

我想存储泰坦尼克号的乘客数据。对于一些乘客，我知道他们的姓名（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中，请创建一个 DataFrame。当使用列表的 Python 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，它可以在列中存储不同类型的数据（包括字符、整数、浮点数值、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。
索引标签表示每一行。默认情况下，这是一个从 0 开始的整数序列。

在电子表格软件中，我们数据的表格表示形式会非常相似

DataFrame 中的每一列都是一个 `Series`#

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
```
当从 pandas DataFrame 中选择单列时，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，则选择单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 的单列。Series 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() 方法所示，您可以对 DataFrame 或 Series 执行操作。pandas 提供了许多功能，其中每一个都是您可以应用于 DataFrame 或 Series 的方法。由于方法是函数，请不要忘记使用括号 ()。

我对我的数据表中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() 方法不会考虑它们。

许多 pandas 操作会返回 DataFrame 或 Series。 `describe()` 方法是返回 pandas Series 或 pandas DataFrame 的 pandas 操作的一个示例。

用户指南

在用户指南关于使用 describe 进行聚合的部分中，可以找到关于 `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相同数据操作和计算。继续阅读接下来的教程以开始！

请记住

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
您可以通过在 DataFrame 或 Series 上应用方法来执行操作。

用户指南

在数据结构介绍页面中提供了对 DataFrame 和 Series 的更详细解释。

pandas 处理什么类型的数据？#

pandas 数据表表示#

DataFrame 中的每一列都是一个 Series#

对 DataFrame 或 Series 执行操作#

请记住

DataFrame 中的每一列都是一个 `Series`#