Python数据科学 - Pandas

什么是Pandas？

Pandas是一个开源的Python库，用于通过其强大的数据结构进行高性能数据处理和数据分析。Python结合Pandas被广泛应用于各种学术和商业领域，包括金融、经济、统计、广告、网络分析等等。使用Pandas，无论数据来源如何，我们都可以完成数据处理和分析的五个典型步骤——加载、组织、操作、建模和分析数据。

以下是Pandas的一些重要特性，这些特性专门用于数据处理和数据分析工作。

Pandas的关键特性

• 具有默认和自定义索引的快速高效的DataFrame对象。
• 用于将数据从不同文件格式加载到内存中数据对象的工具。
• 数据对齐和缺失数据的集成处理。
• 数据集的重塑和透视。
• 基于标签的大型数据集的切片、索引和子集选择。
• 可以删除或插入数据结构中的列。
• 按组对数据进行聚合和转换。
• 高性能的数据合并和连接。
• 时间序列功能。

Pandas处理以下三种数据结构：

• Series（序列）
• DataFrame（数据框）

这些数据结构构建在Numpy数组之上，使其快速高效。

维度和描述

理解这些数据结构的最佳方法是，更高维的数据结构是其低维数据结构的容器。例如，DataFrame是Series的容器，Panel是DataFrame的容器。

DataFrame被广泛使用，它是最重要的数据结构。

Series（序列）

Series是一种一维类似数组的结构，包含同质数据。例如，以下序列是整数10、23、56……的集合。

Series的关键点

• 同质数据
• 大小不可变
• 数据值可变

DataFrame（数据框）

DataFrame是一个二维数组，包含异构数据。例如：

该表显示了一个组织销售团队的数据及其整体绩效评分。数据以行和列表示。每列代表一个属性，每行代表一个人。

列的数据类型

四列的数据类型如下：

DataFrame的关键点

• 异构数据
• 大小可变
• 数据可变

我们将在接下来的章节中看到许多关于在数据科学工作中使用Python的pandas库的例子。