pandas教程01: pandas的安装和基本操作

pandas是Python中常用的数据处理库，可用于处理表格，例如：

好好干文化有限公司员工薪资表

姓名	年龄	性别	年薪	奖金
久九刘	35	男	182600	42000
傅儿待	24	男	9960000	40000000
舍处	28	女	60000	18000

表格在日常办公中非常常见，例如excel, 数据库文件等，pandas使用DataFrame类表示表格。使用pandas时，首先将各类表格文件转为DataFrame，所有的表格操作都是在DataFrame上进行的，最后将处理后的DataFrame保存为指定文件。

 

1. 安装pandas

安装Python后，以下一行命令：

pip install pandas

就完成了安装。

 

我们常通过以下方式导入pandas库:

import pandas as pd

即用别名pd替代pandas, 这已成为共识。

 

2. 导入表格

pandas支持导入各种表格文件，例如xlsx, csv, sqlite等。

以csv文件为例，新建文件"薪资.csv"，输入以下内容：

姓名,年龄,性别,年薪,奖金
久九刘,35,男,182600,42000
傅儿待,24,男,9960000,40000000
舍处,28,女,60000,18000

以下代码将"薪资.csv"文件导入DataFrame:

df = pd.read_csv('薪资.csv')

导入excel文件：df = pd.read_excel('薪资.xlsx')

 

3. 基本操作

df是什么呢？print(df)输出如下：

    姓名  年龄 性别       年薪        奖金
0  久九刘  35  男   182600     42000
1  傅儿待  24  男  9960000  40000000
2   舍处  28  女    60000     18000

可以看到, df就是表格。不过请注意，df的最左边多了0, 1, 2这一列，这是因为pandas会为表格的每一行添加行号。另外请注意，行号是从0开始的，计算机习惯从0开始计数。

 

删除行

使用drop方法删除行。删除行需要指定行号，例如删除第1行：

df.drop(1)

结果如下：

    姓名  年龄 性别      年薪     奖金
0  久九刘  35  男  182600  42000
2   舍处  28  女   60000  18000

 

如果想同时删除多行，可通过列表指定多行。例如同时删除第0、2行：

df.drop([0, 2])

结果如下：

    姓名  年龄 性别       年薪        奖金
1  傅儿待  24  男  9960000  40000000

 

请注意，如果此时print(df), 会发现df并未被修改。这是因为pandas默认不对原表格处理，而是复制一份新的结果（想一想，这样可以避免误操作对数据的损坏）。如果你想直接在df上操作，可以在drop中指定参数inplace=True(此参数默认为False)，直接修改原表格。

df.drop([0, 2], inplace=True)

此时查看df，就会发现df的第0、2行被删除。

 

删除列

删除列也使用drop方法, 不过需要指定参数axis=1, 表示对列进行操作(此参数默认为0, 表示对行操作)。例如，删除“性别”这一列：

df.drop("性别", axis=1, inplace=True)

 

删除多列与删除多行类似，也是传入一个列表。例如同时删除“年龄”、“年薪”这两列：

df.drop(["年龄", "年薪"], axis=1, inplace=True)

 

4. 保存DataFrame到文件

处理完成后，可以将表格保存为各种类型的文件。例如，保存为"薪资1.csv"：

df.to_csv('薪资1.csv')

 

不过，如果此时打开"薪资1.csv"文件，你会发现行号这一列也被保存。但很多时候，我们并不需要行号这一列，此时可以指定参数index=False:

df.to_csv('薪资1.csv', index=False)

现在再打开文件，文件内没有行号这一列。

保存为excel文件，例如保存为"薪资1.xlsx"：

df.to_excel('薪资1.xlsx', index=False)

如果遇到错误：ModuleNotFoundError: No module named 'openpyxl'，请安装下面这个库：

pip install openpyxl

 

在下一节中，我们将学习查找表格内容。