以Pandas創建DataFrame為中心的教程

引言

使用Python進行數據分析是一個日益流行的技能，但是很難想象數據分析能夠沒有Pandas。Pandas是一個基於NumPy的開源數據分析工具，提供了高級數據結構和高效的數據操作工具。在Pandas中，DataFrame是一個非常常見的數據結構，它類似於電子表格或SQL表格，但具有更高的靈活性和功能。在本教程中，我們將以Pandas創建DataFrame為中心，重點介紹如何用Pandas處理和操作數據。

正文

一、創建DataFrame

Pandas的DataFrame是二維數據結構，可以看作是多個Series的集合，其中每個Series代表一個列，所有的列都有相同的行索引。我們可以使用Pandas的函數來創建DataFrame，例如可以用Python列表或NumPy數組作為輸入，然後使用columns參數指定列名。

import pandas as pd
import numpy as np

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, 32, 18, 47],
        'gender': ['F', 'M', 'M', 'M']}
df = pd.DataFrame(data, columns=['name', 'age', 'gender'])

上面這段代碼首先定義了一個字典data，其中鍵是列名，值是該列的數據。然後用Pandas的DataFrame函數將字典轉換為DataFrame，指定列名為’ name’、’age’、’gender’。可以通過print(df)輸出DataFrame的內容：

      name  age gender
0    Alice   25      F
1      Bob   32      M
2  Charlie   18      M
3    David   47      M

我們可以看到，Pandas會默認為DataFrame分配行索引（0到n-1，其中n是行數）。

二、選擇和過濾數據

在Pandas中，可以使用loc屬性和iloc屬性來選擇和過濾數據。iloc按行索引選擇數據，loc按標籤選擇數據。

例如，我們希望選擇第1行和第3行以及’age’和’gender’列：

df.iloc[[0, 2]][['age', 'gender']]

注意，行索引從0開始，因此我們通過[0, 2]選擇第1行和第3行。輸出結果如下：

   age gender
0   25      F
2   18      M

另外，我們也可以選擇年齡大於20歲的行：

df[df['age'] > 20]

輸出結果如下：

      name  age gender
1      Bob   32      M
3    David   47      M

三、數據聚合和分組

數據聚合是指將多行數據合併為一行數據的過程。在Pandas中，可以使用groupby函數來實現對數據的分組和聚合。

例如，假設我們有一組數據，存儲不同電影類型的票房數據，我們可以使用groupby函數對電影類型進行分組，並計算每個類型的票房總額：

data = {'genre': ['Action', 'Action', 'Comedy', 'Comedy'],
        'sales': [10000000, 8000000, 6000000, 9000000]}
df = pd.DataFrame(data, columns=['genre', 'sales'])

grouped_df = df.groupby(['genre']).sum()

上面這段代碼首先定義了一個字典data，其中包含電影類型和電影票房的數據。然後用Pandas的groupby函數根據電影類型對數據進行分組，並對每個分組的值進行求和。可以通過print(grouped_df)輸出聚合後的結果：

            sales
genre            
Action   18000000
Comedy   15000000

四、數據合併與連接

在數據處理中，常常需要將多個數據源合併或連接在一起。在Pandas中，可以使用merge和concat函數實現數據合併和連接。

例如，我們有兩個DataFrame，分別存儲不同用戶的收入和支出數據。我們可以使用merge函數根據用戶ID合併兩個DataFrame：

income_data = {'user_id': [1, 2, 3, 4],
               'income': [5000, 8000, 7000, 9000]}
income_df = pd.DataFrame(income_data)

expense_data = {'user_id': [1, 2, 3, 4],
                'expense': [3000, 2000, 4000, 6000]}
expense_df = pd.DataFrame(expense_data)

merged_df = pd.merge(income_df, expense_df, on='user_id')

上面這段代碼定義了兩個字典income_data和expense_data，其中包含用戶ID和收入、支出的數據。然後用Pandas的merge函數將兩個DataFrame合併成一個DataFrame，通過user_id列進行連接。可以通過print(merged_df)輸出合併後的DataFrame：

   user_id  income  expense
0        1    5000     3000
1        2    8000     2000
2        3    7000     4000
3        4    9000     6000

結論

本教程重點介紹了如何用Pandas創建DataFrame，選擇和過濾數據，進行數據聚合和分組，以及數據合併和連接。這些都是Pandas中非常常見的操作。對於幾乎所有的數據處理任務，Pandas都提供了簡單而強大的工具。這使得Pandas成為數據科學從業者的必備技能。