Python Pandas 安装和设置

​

 

1、安装 Pandas

1）确保已安装Python

Pandas 需要 Python 环境。可以通过在终端或命令提示符中运行 python --version 来检查是否已安装 Python。

2）安装 Pandas

使用 Python 的包管理器 pip 进行安装：

pip install pandas

Anaconda 可以使用 Conda 进行安装：

conda install pandas

3）更新Pandas

pip install --upgrade pandas

2、设置 Pandas

设置 Pandas 可以帮助自定义 Pandas 的显示和配置，以提高清晰度和一致性。

1）常用选项

选项	描述
display.max_rows	控制DataFrame或Series在控制台输出时显示的最大行数。
display.max_columns	设置DataFrame输出时显示的最大列数。
display.width	设置命令行输出的宽度，以字符为单位。
display.max_colwidth	设置单个列的最大宽度。
display.precision	设置浮点数显示的小数位数。
display.expand_frame_repr	在打印DataFrame信息时，是否显示扩展信息。
display.notebook_repr_html	控制当DataFrame以HTML形式显示时的一些特性， 如是否显示索引。
display.float_format	控制是否显示浮点数小数点后不重要的0。
display.memory_usage	在DataFrame的信息输出中显示内存占用。

2）完整选项

选项	描述
compute.use_bottleneck	如果安装了bottleneck库，则使用它来加速计算， 默认值为True，有效值： False, True [默认: True] [当前: True]
compute.use_numba	如果安装了numba， 则使用numba引擎选项进行选定操作， 默认值为False，有效值：False,  True [默认: False] [当前: False]
compute.use_numexpr	如果安装了numexpr库，则使用它来加速计算， 默认值为True，有效值：False,  True [默认: True] [当前: True]
display.chop_threshold	如果设置为浮点值， 则所有小于给定阈值的浮点值在repr中显示为0， 默认值：None [当前: None]
display.colheader_justify	控制列标题的对齐方式， 由DataFrameFormatter使用， 默认值：right [当前: right]
display.date_dayfirst	当为True时，打印和解析日期时首先显示日， 例如20/01/2005，默认值：False [当前: False]
display.date_yearfirst	当为True时，打印和解析日期时首先显示年， 例如2005/01/20，默认值：False [当前: False]
display.encoding	默认为控制台检测到的编码， 指定to_string返回的字符串使用的编码， 默认值：utf-8 [当前: utf-8]
display.expand_frame_repr	是否在多行中为宽DataFrame打印完整的DataFrame repr， max_columns仍被遵守，但如果其宽度超过display.width， 则输出将跨越多个“页面”，默认值：True [当前: True]
display.float_format	可调用对象应接受一个浮点数并返回数字的期望格式的字符串， 此处用于SeriesFormatter等地方， 默认值：None [当前: None]
display.html.border	在DataFrame HTML表示的 <table> 标签中插入一个 border=value 属性。[默认: 1] [当前: 1]
display.html.table_schema	是否发布前端支持的Table Schema表示。 [默认: False] [当前: False]
display.html.use_mathjax	当为True时， Jupyter notebook将使用MathJax处理表格内容， 渲染用美元符号包围的数学表达式。[默认: True] [当前: True]
display.large_repr	对于超出max_rows/max_cols的DataFrames， repr（和HTML repr）可以显示一个截断的表格， 或切换到df.info()的视图。[默认: truncate] [当前: truncate]
display.max_categories	pandas在打印Categorical 或dtype为'category'的Series时应输出的最大类别数。 [默认: 8] [当前: 8]
display.max_columns	如果超过max_cols，则切换到截断视图。 'None'值意味着无限制。[默认: 0] [当前: 0]
display.max_colwidth	pandas数据结构表示中列的最大字符宽度。 当列溢出时，输出中会嵌入一个'...'占位符。 'None'值意味着无限制。[默认: 50] [当前: 50]
display.max_dir_items	将添加到dir(...)中的项目数。'None'值意味着无限制。 [默认: 100] [当前: 100]
display.max_info_columns	在DataFrame.info方法中用来决定是否打印每列信息。 [默认: 100] [当前: 100]
display.max_info_rows	df.info()通常会为每列显示空值计数。 对于大型数据框架，这可能相当慢。 max_info_rows和max_info_cols 只限制小于指定尺寸的数据框架的空值检查。 [默认: 1690785] [当前: 1690785]
display.max_rows	如果超过max_rows，则切换到截断视图。 'None'值意味着无限制。[默认: 60] [当前: 60]
display.max_seq_items	在优雅打印长序列时， 最多打印max_seq_items个项目。 如果省略了项目，则在结果字符串中添加“...”表示。 如果设置为None，则打印的项目数无限制。 默认: 100] [当前: 100]
display.memory_usage	指定当调用df.info()时 是否显示DataFrame的内存使用情况。 有效值True,False,'deep'。 [默认: True] [当前: True]
display.min_rows	在截断视图中显示的行数（当超过max_rows时）。 当max_rows设置为None或0时被忽略。 当设置为None时，遵循max_rows的值。 [默认: 10] [当前: 10]
display.multi_sparse	“稀疏化”MultiIndex显示 （不在组内的外层级别显示重复元素）。 [默认: True] [当前: True]
display.notebook_repr_html	当为True时，IPython notebook 将对pandas对象使用HTML表示 （如果可用）。[默认: True] [当前: True]
display.pprint_nest_depth	控制在优雅打印时处理的嵌套级别数。 [默认: 3] [当前: 3]
display.precision	浮点输出精度，以小数点后的位数表示。 [默认: 6] [当前: 6]
display.show_dimensions	是否在DataFrame repr的末尾打印出尺寸。 [默认: truncate] [当前: truncate]
display.unicode.ambiguous_as_wide	是否使用Unicode东亚宽度来计算显示文本宽度。 [默认: False] [当前: False]
display.unicode.east_asian_width	是否使用Unicode东亚宽度来计算显示文本宽度。 [默认: False] [当前: False]
display.width	显示的字符宽度。[默认: 80] [当前: 80]
io.excel.ods.reader	‘ods’文件的默认Excel读取引擎。可选项: auto, odf。 [默认: auto] [当前: auto]
io.excel.ods.writer	‘ods’文件的默认Excel写入引擎。可选项: auto, odf。 [默认: auto] [当前: auto]
io.excel.xls.reader	‘xls’文件的默认Excel读取引擎。可选项: auto, xlrd。 [默认: auto] [当前: auto]
io.excel.xlsb.reader	‘xlsb’文件的默认Excel读取引擎。可选项: auto, pyxlsb。 [默认: auto] [当前: auto]
io.excel.xlsm.reader	‘xlsm’文件的默认Excel读取引擎。 可选项: auto, xlrd, openpyxl。 [默认: auto] [当前: auto]
io.excel.xlsm.writer	‘xlsm’文件的默认Excel写入引擎。 可选项: auto, openpyxl。 [默认: auto] [当前: auto]
io.excel.xlsx.reader	‘xlsx’文件的默认Excel读取引擎。 可选项: auto, xlrd, openpyxl。 [默认: auto] [当前: auto]
io.excel.xlsx.writer	‘xlsx’文件的默认Excel写入引擎。 可选项: auto, openpyxl, xlsxwriter。 [默认: auto] [当前: auto]
io.hdf.default_format	HDF的默认写入格式，如果为None， 则put将默认为‘fixed’，append将默认为‘table’。 [默认: None] [当前: None]
io.hdf.dropna_table	在追加到表格时删除所有NaN行。 [默认: False] [当前: False]
io.parquet.engine	默认parquet读写引擎。 可选项: ‘auto’, ‘pyarrow’, ‘fastparquet’。 [默认: auto] [当前: auto]
io.sql.engine	默认SQL读写引擎。 可选项: ‘auto’, ‘sqlalchemy’。 [默认: auto] [当前: auto]
mode.chained_assignment	尝试使用链式赋值时， 引发异常、警告或无操作。 默认是警告。[默认: warn] [当前: warn]
mode.copy_on_write	使用Copy-on-Write的新复制-视图行为。 默认为False， 除非被‘PANDAS_COPY_ON_WRITE’环境变量覆盖 （如果设置为“1”表示True， 在导入pandas之前需要设置）。 [默认: False] [当前: False]
mode.data_manager	内部数据管理类型；可以是‘block’或‘array’。 默认为‘block’， 除非被‘PANDAS_DATA_MANAGER’环境变量覆盖 （在导入pandas之前需要设置）。 [默认: block] [当前: block]
mode.sim_interactive	是否模拟交互模式以进行测试。 [默认: False] [当前: False]
mode.string_storage	StringDtype的默认存储。 [默认: python] [当前: python]
mode.use_inf_as_na	True表示将None, NaN, INF, -INF视为NA（旧方式）， False表示None和NaN为null， 但INF, -INF不是NA（新方式）。 [默认: False] [当前: False] (已弃用)
plotting.backend	使用的绘图后端。 [默认: matplotlib] [当前: matplotlib]
plotting.matplotlib.register_converters	是否在matplotlib的单位注册表中注册日期、 时间、日期时间和周期的转换器。 [默认: auto] [当前: auto]
styler.format.decimal	浮点数和复数的小数点分隔符的字符表示。 [默认: .] [当前: .]
styler.format.escape	是否根据给定上下文（html或latex） 转义某些字符。[默认: None] [当前: None]
styler.format.formatter	在Styler.format中默认使用的格式化对象。 [默认: None] [当前: None]
styler.format.na_rep	识别为缺失的值的字符串表示。 [默认: None] [当前: None]
styler.format.precision	浮点数和复数的精度。[默认: 6] [当前: 6]
styler.format.thousands	浮点数、整数和复数的千位分隔符的字符表示。 [默认: None] [当前: None]
styler.html.mathjax	如果为False，将呈现特殊的CSS类， 表示Jupyter Notebook中不会使用Mathjax。[默认: True] [当前: True]
styler.latex.environment	替换LaTeX中的\begin{table}的环境。 [默认: None] [当前: None]
styler.latex.hrules	是否在顶部、底部和标题下方添加水平线。 [默认: False] [当前: False]
styler.latex.multicol_align	LaTeX多列稀疏化的水平对齐指定符。 [默认: r] [当前: r]
styler.latex.multirow_align	LaTeX多行稀疏化的垂直对齐指定符。 [默认: c] [当前: c]
styler.render.encoding	输出HTML和LaTeX文件使用的编码。 [默认: utf-8] [当前: utf-8]
styler.render.max_columns	将呈现的最大列数。 [默认: None] [当前: None]
styler.render.max_elements	将呈现的最大数据单元格（<td>）元素数， 在需要时将对列、行或两者进行裁剪。 [默认: 262144] [当前: 262144]
styler.render.max_rows	将呈现的最大行数。 [默认: None] [当前: None]
styler.render.repr	确定在Jupyter Notebook中使用的输出。 [默认: html] [当前: html]
styler.sparse.columns	是否稀疏化层次列的显示。 [默认: True] [当前: True]
styler.sparse.index	是否稀疏化层次索引的显示。 [默认: True] [当前: True]

参考文档：pandas.set_option — pandas 2.1.4 documentation

3）使用设置

参考文档：

 

3、Pandas 与 NumPy

Pandas 和 NumPy 都是 Python 的科学计算库。它们都提供了用于处理数据的功能，但它们的侧重点有所不同。NumPy 是一个矩阵和数组处理库。它提供了用于创建、操作和处理矩阵和数组的功能。NumPy 是 Pandas 的基础，Pandas 使用 NumPy 来存储和操作数据。

1）数据结构

NumPy 提供了 ndarray，这是一个高效的多维数组，支持快速的数学和逻辑操作。Pandas 提供了 DataFrame 和 Series。DataFrame 是一个二维表格型数据结构，可以看作是一个由多个类型相同的 Series 组成的字典。Series 是一种一维数组，类似于 NumPy 的 ndarray，但它可以拥有轴标签，因此可以存储异构类型的数据。

Pandas 使用 DataFrame 数据结构来表示表格数据。DataFrame 类似于 NumPy 的 ndarray 类，但它具有一些额外的功能，例如列标签和索引。：Pandas 提供了用于数据分析的功能，例如统计分析、图表和时间序列分析。

2）功能用途

NumPy 主要用于处理数值类型的数据，是科学计算的基石。它提供了大量的数学函数，用于快速操作大量数据。

Pandas 则专注于数据分析。它提供了丰富的功能，如数据对齐、处理缺失数据、时间序列分析等，非常适合用来处理和分析实际中的结构化数据。

3）互操作性

Pandas 和 NumPy 可以很好地互操作。可以将 Pandas 的 DataFrame 和 Series 转换为 NumPy 的数组，反之亦然。这使得在两个库之间切换变得非常方便。

 参考文档：Python Pandas 安装和设置-CJavaPy

​