Pandas 是一个广受欢迎的Python库，用于数据操作和分析。它为处理结构化数据（如表格和时间序列）提供了工具，是数据预处理的核心工具之一。
无论是清洗数据、查看数据集，还是为机器学习准备数据，Pandas 都是你的首选库。本文将介绍 Pandas 的基础知识，并深入探讨初学者必备的 10 个核心命令。
Pandas 是一个开源的 Python 库，专为数据操作和分析设计，构建于另一数据计算库 NumPy 的基础之上。
Pandas 提供了两种主要的数据结构：
1. Series：一种一维带标签的数组，可以容纳任意数据类型（如整数、字符串、浮点数）。
2. DataFrame：一种二维带标签的数据结构，类似于电子表格或 SQL 表格，其中数据以行和列的形式组织。
安装 Pandas
在使用 Pandas 之前，需要通过 pip 安装：
pip install pandas
安装完成后，在 Python 脚本中导入它：
import pandas as pd
这里的别名 `pd` 是惯例，用于简化 Pandas 命令的书写。
核心命令一览
1. 加载数据
在使用数据之前，首先需要通过 `read_csv()` 函数将其加载到 Pandas DataFrame 中：
data = pd.read_csv('data.csv')
print(data.head())
– `read_csv(‘data.csv’)`：将 CSV 文件读取为 DataFrame。
– `head()`：显示 DataFrame 的前五行。
这是开始任何数据预处理任务的关键步骤。
2. 查看数据
了解数据集结构可以使用以下命令：
– `head(n)`：查看 DataFrame 的前 n 行。
– `tail(n)`：查看 DataFrame 的后 n 行。
– `info()`：获取 DataFrame 的摘要，包括列名、非空值数量和数据类型。
– `describe()`：获取数值列的统计摘要。
示例：
print(data.info())
print(data.describe())
3. 选择数据
选择特定行或列的方法如下：
– 选择单列：
column_data = data['ColumnName']
– 选择多列：
selected_data = data[['Column1', 'Column2']]
– 使用切片选择行：
rows = data[10:20] # 第 10 到第 19 行
– 使用 `loc` 或 `iloc` 同时选择行和列：
# 按标签（loc）
subset = data.loc[0:5, ['Column1', 'Column2']]
# 按索引位置（iloc）
subset = data.iloc[0:5, 0:2]
4. 筛选数据
通过条件筛选行：
filtered_data = data[data['ColumnName'] > 50]
使用逻辑运算符组合多个条件：
filtered_data = data[(data['Column1'] > 50) & (data['Column2'] < 100)]
5. 添加或修改列
创建新列或修改已有列：
– 添加新列：
data['NewColumn'] = data['Column1'] + data['Column2']
– 修改现有列：
data['Column1'] = data['Column1'] * 2
6. 处理缺失数据
实际数据集中经常会有缺失值，Pandas 提供以下方法：
– 检查缺失值：
print(data.isnull().sum())
– 删除含缺失值的行或列：
data = data.dropna()
data = data.dropna(axis=1)
– 填充缺失值：
data['ColumnName'] = data['ColumnName'].fillna(0)
data['ColumnName'] = data['ColumnName'].fillna(data['ColumnName'].mean())
7. 排序数据
使用 `sort_values()` 函数按一列或多列排序：
sorted_data = data.sort_values(by='ColumnName', ascending=True)
按多列排序：
sorted_data = data.sort_values(by=['Column1', 'Column2'], ascending=[True, False])
8. 分组数据
`groupby()` 函数用于分组数据并执行聚合操作：
grouped_data = data.groupby('ColumnName')['AnotherColumn'].sum()
常用聚合函数包括：
– `sum()`：求和。
– `mean()`：求平均值。
– `count()`：计算非空值数量。
示例：
grouped_data = data.groupby('Category')['Sales'].mean()
9. 合并和连接 DataFrame
合并多个 DataFrame 的方法：
– 拼接：
combined_data = pd.concat([data1, data2], axis=0)
– 合并：
merged_data = pd.merge(data1, data2, on='KeyColumn')
– 连接：
joined_data = data1.join(data2, how='inner')
10. 导出数据
数据处理完成后，可以使用 `to_csv()` 函数保存：
data.to_csv('processed_data.csv', index=False)
此命令将 DataFrame 保存为 CSV 文件并移除索引列。你还可以导出为其他格式，例如 Excel、JSON 或 SQL。
Pandas 是数据预处理中不可或缺的工具，提供了丰富的函数用于操作和分析数据。
本文介绍的 10 个命令为初学者打下了坚实的基础。随着实践和深入探索，你将发现 Pandas 的强大潜力。
