本文共 2586 字，大约阅读时间需要 8 分钟。

Pandas库作为Python数据处理的核心工具，能够通过高效的操作实现数据分析与操作，替代传统的Excel数据处理。以下将从基础到应用，全面介绍Pandas的使用方法。

Series的创建与操作

Series是Pandas中的基本数据结构，类似于NumPy的向量，通常用来存储一维数据序列或样本的某一属性值。可以通过以下方式创建Series：

import pandas as pdimport numpy as np# 从随机数生成正态分布数据Series1 = pd.Series(np.random.randn(4))print(Series1)

输出结果会自动生成行索引，显示为：

0    0.0000001    1.0000002    2.0000003    3.000000

Series还支持键值对存储，可以通过指定索引来实现：

Series2 = pd.Series(Series1.values, index=["row_" + str(i) for i in range(4)])print(Series2)

此外，Python字典也可以转换为Series，但需要注意字典本身是无序的：

Series3 = pd.Series({"China": "Beijing", "England": "GB", "Japan": "Tokyo"})print(Series3)

为了保持字典的顺序，可以通过指定索引来实现：

Series4_IndexList = ["China", "Japan", "England"]Series4 = pd.Series(Series3, index=Series4_IndexList)print(Series4)

若索引中存在重复项，Pandas会默认填充空值，可以使用isnull()和notnull()检查缺失值。

DataFrame的创建与操作

DataFrame是Series的扩展，表示二维数据，可以看作是NumPy矩阵或JSON对象。创建DataFrame的方式有多种：

DF1 = pd.DataFrame(np.asarray([("Japan", "Tokyo", 4000),                            ("S.Korea", "Seoul", 1000),                            ("China", "Beijing", 9000)],                  columns=["nation", "capital", "GDP"])print(DF1)

2. 从JSON创建：

DF2 = pd.DataFrame({"nation": ["Japan", "S.Korea", "China"],                 "capital": ["Tokyo", "Seoul", "Beijing"],                 "GDP": [4000, 1000, 9000]})print(DF2)

由于JSON中的键是无序的，通常需要通过指定列名来确保顺序：

DF3 = pd.DataFrame(DF2, columns=["nation", "capital", "GDP"])print(DF3)

在DataFrame中筛选数据，推荐使用.loc和.iloc等方法，而不是直接使用df['column']，因为后者可能与某些关键字冲突：

# 示例：筛选第一行print(DF4[0:1])# 示例：通过标签筛选print(DF4.loc[0])

DataFrame支持通过索引切片和布尔条件筛选：

# 筛选满足条件的行print(DF4[DF4 > 0])

DataFrame还支持向内插入新列：

DF4["region"] = "East Asian"print(DF4)

数据操作与统计

Pandas提供了丰富的数据操作函数，包括描述性统计、排序、透视表等：

3. 描述性统计：

print(df.describe())

2. 排序：

# 按列排序print(df.sort_index(axis=1, ascending=False))# 按值排序print(df.sort_values(by='B'))

3. 数据透视表：

print(pd.pivot_table(df, values='D', index=['A', 'B'], columns=['C']))

4. 数据重塑：

# 列转行print(stacked = df.stack())# 行转列print(stacked.unstack())

缺失值处理

在数据处理中，Pandas支持通过reindex()、dropna()和fillna()等方法处理缺失值：

# 重新排列索引并填充缺失值df1 = df.reindex(index=dates[0:4], columns=list(df.columns) + ['E'])df1.loc[dates[0:1], 'E'] = 1print(df1)

数据导入与保存

Pandas支持多种数据格式导入和保存：

5. CSV文件：

df.to_csv('foo.csv')df = pd.read_csv('foo.csv')print(df)

2. HDF5文件：

df.to_hdf('foo.h5', 'df')df = pd.read_hdf('foo.h5', 'df')print(df)

3. Excel文件：

df.to_excel('foo.xlsx', sheet_name='Sheet1')df = pd.read_excel('foo.xlsx', sheet_name='Sheet1')print(df)

终端操作

在实际使用中，可以通过以下方式高效操作数据：

# 通过位置访问print(df.iat[1,1])# 通过标签访问print(df.at[dates[0], 'A'])

Pandas的强大功能使其成为数据科学和工程领域的首选工具。通过上述方法，可以轻松完成数据清洗、统计分析、可视化等多种操作，为后续的机器学习和数据分析奠定基础。

转载地址：http://umafk.baihongyu.com/