当前位置：首页 > article >正文

【人工智能】Python常用库-Pandas常用方法教程

article 2024/11/26 11:00:02

Pandas 是一个强大的 Python 数据处理和分析库，它提供了高效的数据结构和函数，用于清洗、操作和分析数据。以下是 Pandas 的常用方法及详细说明。

1. 安装和导入 Pandas

安装 Pandas：

pip install pandas

导入 Pandas：

import pandas as pd

2. 数据结构

2.1 Series（序列）

Series 是一维数据结构，类似于带标签的数组。

# 创建 Series
s = pd.Series([10, 20, 30, 40], index=['a', 'b', 'c', 'd'])
print(s)

输出结果

a    10
b    20
c    30
d    40
dtype: int64

2.2 DataFrame（数据框）

DataFrame 是二维数据结构，类似于表格。

# 创建 DataFrame
data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': [25, 30, 35],
        'gender': ['F', 'M', 'M'],
        'city': ['New York', "San Francisco", "Los Angeles"]}
df = pd.DataFrame(data)
print(df)

输出结果

      name  age gender           city
0    Alice   25      F       New York
1      Bob   30      M  San Francisco
2  Charlie   35      M    Los Angeles

3. 读取与保存数据

3.1 读取数据

从 CSV 文件读取：
```
df = pd.read_csv('data.csv')
```

从 Excel 文件读取：

df = pd.read_excel('data.xlsx', sheet_name='Sheet1')

3.2 保存数据

保存为 CSV 文件：
```
df.to_csv('output.csv', index=False)
```

保存为 Excel 文件：

df.to_excel('output.xlsx', index=False)

4. 基本操作

4.1 查看数据

查看前几行：
```
print(df.head(5))  # 默认前5行
```
查看后几行：
```
print(df.tail(5))
```

数据基本信息：

print(df.info())
print(df.describe())  # 数值列的统计信息

4.2 选择数据

选择列：

print(df["Name"])  # 单列
print(df[["Name", "Age"]])  # 多列

选择行（按索引）：

print(df.loc[0])  # 按标签
print(df.iloc[0])  # 按位置

条件选择：

print(df[df["Age"] > 30])  # 筛选 Age > 30 的行

5. 数据清洗

5.1 处理缺失值

检查缺失值：
```
print(df.isnull().sum())
```

填充缺失值：

df["Age"].fillna(df["Age"].mean(), inplace=True)

删除含缺失值的行或列：

df.dropna(inplace=True)  # 删除含缺失值的行

5.2 重命名列

df.rename(columns={"Name": "Full Name", "Age": "Years"}, inplace=True)

6. 数据操作

6.1 排序

df.sort_values("Age", ascending=False, inplace=True)

6.2 添加与删除列

添加新列：
```
df["Salary"] = [50000, 60000, 70000]
```

删除列：

df.drop(columns=["City"], inplace=True)

6.3 分组与聚合

按某列分组：

grouped = df.groupby("City")
print(grouped["Age"].mean())

7. 数据合并

7.1 合并（merge）

df1 = pd.DataFrame({"ID": [1, 2, 3], "Name": ["Alice", "Bob", "Charlie"]})
df2 = pd.DataFrame({"ID": [1, 2, 4], "Score": [85, 90, 95]})
merged_df = pd.merge(df1, df2, on="ID", how="inner")
print(merged_df)

输出结果

   ID   Name  Score
0   1  Alice     85
1   2    Bob     90

7.2 拼接（concat）

df1 = pd.DataFrame({"Name": ["Alice", "Bob"], "Age": [25, 30]})
df2 = pd.DataFrame({"Name": ["Charlie", "David"], "Age": [35, 40]})
result = pd.concat([df1, df2], ignore_index=True)
print(result)

输出结果

      Name  Age
0    Alice   25
1      Bob   30
2  Charlie   35
3    David   40

8. 高级功能

8.1 透视表

pivot = df.pivot_table(values="Age", index="City", aggfunc="mean")
print(pivot)

8.2 时间序列

dates = pd.date_range("2024-01-01", periods=5)
df = pd.DataFrame({"Date": dates, "Value": [10, 20, 15, 25, 30]})
df.set_index("Date", inplace=True)
print(df)

输出结果

Date           Value   
2024-01-01     10
2024-01-02     20
2024-01-03     15
2024-01-04     25
2024-01-05     30

8.3 数据透视和多级索引

multi_df = df.set_index(["City", "Name"])
print(multi_df)

9. 数据可视化（与 Matplotlib 集成）

import matplotlib.pyplot as plt

df.plot(kind="bar", x="Name", y="Age")
plt.show()

10. 动态分析案例

案例：分析员工薪资分布

data = {
    "Department": ["HR", "IT", "HR", "IT", "Finance", "HR"],
    "Salary": [5000, 6000, 5200, 6500, 7000, 4800],
}
df = pd.DataFrame(data)

# 按部门分组，计算平均薪资
avg_salary = df.groupby("Department")["Salary"].mean()

# 绘图
avg_salary.plot(kind="bar", color="skyblue")
plt.title("Average Salary by Department")
plt.ylabel("Salary")
plt.show()