Python-数据分析之 pandas 初步

• pandas是一个常用的第三方 Python 库，提供快速灵活的数据处理功能，也是进行数据分析的有力工具

• pandas尤其擅长处理以下数据：

  以下几种数据尤其适合用pandas进行处理：

  • 多种数据混合的扁平化数据格式，比如 SQL 表和 Excel 电子表格；
  • 时间序列数据，不管有序无序；
  • 任意带有行列标签的矩阵数据，不管是同种数据类型还是多种数据类型；
  • 还有其他任意的统计数据集，不必带标签。
• 实际上pandas是术语“panel data”（面板数据）的简写

• 主要数据类型

  pandas中有两个主要的数据类型，一种是 Series，称为“序列”，是一种一维数据结构；另一种是 DataFrame，称为“数据帧”或是“数据框架”，是一种二维数据结构。在pandas中，我们就是使用这两种主要的数据结构，“喜迎四海宾朋，笑对八方来客”，分分钟处理掉天上地下来的各种数据。

  其中，Series 内部要求是同种数据，而 DataFrame 则可以使混合数据。更进一步地说，DataFrame 其实就是包含了一至多个 Series。

• numpy虽然提供了强大的多维数组供我们进行数据处理，但是这中间有一个要命的问题：维数比较少的时候还好，维数一旦多起来，你还分得清哪个轴代表什么意义吗？呃当然不排除有人可以，但是大多数人肯定是不行的，因为numpy的每个轴之间其实没有什么本质上的差异，你可以是轴 1，我也可以是轴 1，谁有比谁高贵怎么滴？因此在使用numpy进行高维数据处理，尤其是当其中每个维度都有特定的意义时，使用numpy的多维数组就会给使用者造成很大的负担——而这些本来不应该是由使用者负担的。

  因此pandas的优势就体现出来了。pandas可以为每一列数据打上标签，这样通过标签就可以直接区分开每个轴谁是谁，也可以通过标签获得更具语义性的信息，知道每列数据都是什么、有什么用途。即使是交换了顺序也无所谓，比较在pandas中，我们可以不再以默认的序号作为索引。

• Series

  Series 实际上是一个带标签的一维数组，数组中的内容可以是任何数据类型。在 Series 中，“带标签的轴”统称为“index（索引）”，类似于我们之前学习的字典数据类型中的“key（关键字）”。

• 创建 Series

  创建 Series 最常用的方法就是调用pd.Series：

• >>> s = pd.Series(data, index=index)

   

• 其中，data要求是下列数据类型之一：

  • Python 字典；
  • Python 列表；
  • N 维数组；
  • 标量（即一个数字）。

  而参数index则应当是一个用来指定轴标签的列表。

  按照原始数据类型的不同，创建 Series 的方式也分为 4 种：1）用 Python 字典创建；2）用 Python 列表创建；3）用 N 维数组创建；4）用标量创建。