Pandas十分钟快速入门指南

作为Python生态中最强大的数据分析工具，Pandas为处理结构化数据提供了高效便捷的解决方案。本文将带您快速了解Pandas的核心功能，帮助数据分析新手快速上手这一强大工具。

环境准备

在开始之前，我们需要导入必要的库：

import numpy as np
import pandas as pd

数据结构创建

Pandas提供了两种主要数据结构：

Series - 一维带标签数组

s = pd.Series([1, 3, 5, np.nan, 6, 8])

DataFrame - 二维表格型数据结构

创建DataFrame有多种方式：

1. 从NumPy数组创建，指定索引和列名：

dates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))

2. 从字典创建，自动处理不同类型数据：

df2 = pd.DataFrame({
    'A': 1.0,
    'B': pd.Timestamp('20130102'),
    'C': pd.Series(1, index=list(range(4)), 
    'D': np.array([3]*4),
    'E': pd.Categorical(["test", "train", "test", "train"]),
    'F': 'foo'
})

数据查看与操作

查看数据

• 查看头部/尾部数据：

df.head()  # 默认显示前5行
df.tail(3)  # 显示最后3行

• 查看索引和列名：

df.index
df.columns

数据统计

快速获取描述性统计：

df.describe()

数据转置

df.T

数据选择与索引

Pandas提供了多种数据选择方式：

列选择

df['A']  # 选择单列
df[['A', 'B']]  # 选择多列

行选择

df[0:3]  # 选择前3行
df['20130102':'20130104']  # 按标签范围选择

标签定位

df.loc[dates[0]]  # 选择单行
df.loc[:, ['A', 'B']]  # 选择多列
df.loc['20130102':'20130104', ['A', 'B']]  # 行列同时选择

位置定位

df.iloc[3]  # 第4行
df.iloc[3:5, 0:2]  # 行切片和列切片
df.iloc[[1,2,4], [0,2]]  # 不连续选择

布尔索引

df[df.A > 0]  # 条件筛选
df[df > 0]  # 值筛选
df[df['E'].isin(['two', 'four'])]  # 包含筛选

数据处理

缺失值处理

Pandas使用np.nan表示缺失值：

df1.dropna(how='any')  # 删除含缺失值的行
df1.fillna(value=5)  # 填充缺失值
pd.isna(df1)  # 检测缺失值

数据运算

df.mean()  # 列平均值
df.mean(1)  # 行平均值
df.apply(np.cumsum)  # 应用函数

数据合并与分组

数据合并

pd.concat([df1, df2])  # 简单拼接
pd.merge(left, right, on='key')  # SQL风格合并

数据分组

df.groupby('A').sum()  # 单列分组
df.groupby(['A', 'B']).sum()  # 多列分组

时间序列处理

Pandas提供了强大的时间序列处理能力：

ts = pd.Series(np.random.randint(0, 500, len(rng)), index=rng)
ts.resample('5Min').sum()  # 重采样
ts.tz_localize('UTC').tz_convert('US/Eastern')  # 时区转换

数据可视化

Pandas内置了基于Matplotlib的简单绘图功能：

ts.plot()  # 绘制折线图
df.plot()  # DataFrame多列绘图

数据输入输出

Pandas支持多种数据格式的读写：

# CSV
df.to_csv('foo.csv')
pd.read_csv('foo.csv')

# Excel
df.to_excel('foo.xlsx')
pd.read_excel('foo.xlsx')

# HDF5
df.to_hdf('foo.h5', 'df')
pd.read_hdf('foo.h5', 'df')

总结

本文快速介绍了Pandas的核心功能，包括数据结构创建、数据选择、数据处理、合并分组以及可视化等。掌握这些基础操作后，您已经可以开始使用Pandas进行基本的数据分析工作了。对于更复杂的需求，Pandas还提供了更多高级功能等待您去探索。