Pandas菜鳥教程詳解

一、Pandas介紹

Pandas是一個強大的開源數據分析和數據操縱工具，它提供了快速、靈活、可靠的數據處理能力。Pandas最初由Wes McKinney在2008年開發，是在NumPy庫的基礎上進行了擴展。Pandas具有使數據分析變得更加簡單、快速和有趣的特點。

Pandas的強大之處在於能夠輕鬆處理常見的數據分析任務：在數據集中插入、刪除、修改和分組、合併等。

二、Pandas數據結構

Pandas主要包括兩種數據結構：Series和DataFrame。

Series是一種類似於一維數組的對象，它由一組數據以及與之相關的一組標籤，也可以理解為標籤化的值的序列。

DataFrame是一個二維表，其中的數據以行和列的形式排列，類似於電子表格或SQL表。DataFrame可以看作是由Series組成的字典。每個Series成為一個DataFrame中的一列。

三、Pandas常用操作

1. 導入和導出數據

導入和導出數據是數據分析的重要步驟之一。Pandas提供了多種數據格式的讀取和寫入方式，包括CSV、Excel、JSON、SQL等。

# 讀取CSV文件
import pandas as pd
df = pd.read_csv('example.csv')
# 寫入CSV文件
df.to_csv('example.csv', index=False)

2. 數據清洗

清洗數據是數據分析的關鍵步驟之一。Pandas可以用來識別缺失值、刪除重複數據、更改數據類型、更改列名等。

# 刪除重複行
df = df.drop_duplicates() 
# 更改數據類型
df['date'] = pd.to_datetime(df['date'])

3. 數據選擇與過濾

選擇和過濾數據是數據分析的基本操作之一。Pandas提供了多種方法來選擇、過濾數據，包括基於標籤、位置、條件等。

# 根據列名選擇
df['name']
# 根據條件過濾
df[df['age']>18]
# 根據位置選擇
df.iloc[1:5,:]

4. 數據聚合與分組

聚合和分組是數據分析中常用的操作。Pandas提供了多種方法來聚合和分組數據，包括groupby函數、pivot_table函數等。

# 分組求均值
df.groupby(['name'])['score'].mean()
# 透視表
pd.pivot_table(df, values='score', index='name', columns='year')

5. 數據可視化

數據可視化是數據分析的重要環節。Pandas可以直接使用Matplotlib庫進行繪圖，多種繪圖方式包括折線圖、柱狀圖、散點圖等。

# 折線圖
df.plot(kind='line',x='date',y='value')
# 柱狀圖
df.plot(kind='bar',x='name',y='score')
# 散點圖
df.plot(kind='scatter',x='age',y='score')