pandas中文教程詳解

pandas是基於NumPy的一種數據分析工具，提供了大量的數據操作和分析功能，特別是在數據清洗和預處理方面，更是為廣大數據從業者提供了強大的支持，成為數據科學、統計分析和金融領域不可或缺的技術工具。

一、數據結構

pandas主要支持三種數據結構Series、DataFrame以及Panel，其中最常用的是DataFrame。DataFrame可以看做一個關係型資料庫的數據表，其中包含多行多列的數據。

    #創建DataFrame
    import pandas as pd
    data = {'name':['Tom', 'Jack', 'Steve', 'Ricky'],'age':[28,34,29,42]}
    df = pd.DataFrame(data)
    print df

    #從CSV讀取DataFrame
    df = pd.read_csv('data.csv')
    print df

在創建DataFrame時，可以使用Python基本數據類型以及NumPy、字典等格式進行創建；在從CSV讀取DataFrame時，只需要指定CSV文件名稱即可實現讀取數據並創建DataFrame。

二、數據操作

在數據清洗和預處理方面，pandas提供了大量的數據操作功能，比如缺失值處理、數據篩選與排序、數據聚合與統計等等。

1. 缺失值處理

    #查找缺失值
    df.isnull()

    #刪除缺失值
    df.dropna()

    #填充缺失值
    df.fillna(0)

在數據處理過程中，經常會出現缺失值的情況。pandas提供了isnull()函數可以查找缺失值，然後可以使用dropna()函數刪除缺失值，或者使用fillna()函數將缺失值填充為指定的值。

2. 數據篩選與排序

    #數據篩選
    df[df['age'] > 30]

    #數據排序
    df.sort_values('age')

在數據分析中，往往需要篩選特定條件下的數據，可以使用df[df[‘age’] > 30]這種方式實現數據篩選；針對特定欄位可以使用sort_values()函數實現數據排序。

3. 數據聚合與統計

    #求和
    df.sum()

    #平均值
    df.mean()

    #最大值
    df.max()

    #最小值
    df.min()

在進行數據分析和統計過程中，經常需要對數據進行聚合和統計。pandas提供了sum()、mean()、max()、min()等函數，可以很方便地實現數據的聚合和統計。

三、數據可視化

數據可視化可以有效地幫助我們展示數據的趨勢和變化，pandas可以使用matplotlib庫實現數據可視化。

1. 折線圖

    %matplotlib inline
    import matplotlib.pyplot as plt

    #折線圖
    df.plot(kind='line',x='name',y='age')
    plt.show()

使用matplotlib庫，可以通過plot()函數實現繪製各種圖形。針對摺線圖，通過指定kind=’line’可以實現繪製折線圖。

2. 柱狀圖

    #柱狀圖
    df.plot(kind='bar',x='name',y='age')
    plt.show()

針對柱狀圖，只需要將kind屬性指定為bar即可實現繪製柱狀圖。

3. 餅圖

    #餅圖
    df.plot(kind='pie',x='name',y='age')
    plt.show()

使用kind=’pie’屬性可以實現繪製餅圖。

四、數據分析實例

最後，我們通過一個簡單的實例來展示pandas的強大功能。

使用pandas和matplotlib，我們可以對股票數據進行分析，並繪製股票價格走勢圖。

    #導入數據
    import pandas_datareader as pdr
    import datetime
    AAPL = pdr.get_data_yahoo('AAPL', 
                          start=datetime.datetime(2006, 10, 1), 
                          end=datetime.datetime(2012, 1, 1))

    #計算收益率
    AAPL['ret'] = AAPL['Close'].pct_change()

    #繪製走勢圖
    AAPL[['Close','ret']].plot(subplots=True,color='blue',figsize=(10,6))

    #數據統計
    AAPL.describe()

    #數據相關性分析
    AAPL.corr()

以上代碼實現了獲取蘋果公司股票數據，並計算收益率。然後使用subplots屬性和figsize屬性繪製走勢圖，通過describe()函數實現對數據的統計分析，使用corr()函數實現對數據相關性的分析。

總結

pandas作為一種強大的數據分析工具，為數據科學和金融分析領域提供了強有力的技術支持。通過本文中的介紹，大家可以清晰地了解了pandas的數據結構、數據操作、數據可視化、數據分析等方面的功能。相信在實際工作和學習過程中，這些知識點對大家都會起到一定的幫助。