Python熊猫介绍
Pandas 是一个开源库，主要用于轻松直观地处理关系数据或标签数据。它提供各种数据结构和操作来处理数字数据和时间序列。这个库建立在数字图书馆的基础上。熊猫速度快，对用户来说性能和生产力都很高。
目录:
历史
熊猫最初是由韦斯·麦金尼在 2008 年在 AQR 资本管理公司工作时开发的。他说服 AQR 允许他开放熊猫的资源。2012 年，AQR 的另一名员工常社成为该图书馆的第二大贡献者。随着时间的推移，许多版本的熊猫已经发布。熊猫的最新版本是 1.3.4
优势
- 快速高效地操作和分析数据。
- 可以加载来自不同文件对象的数据。
- 轻松处理浮点和非浮点数据中的缺失数据(表示为 NaN)
- 大小可变:可以从数据框和更高维度的对象中插入和删除列
- 数据集合并和连接。
- 数据集的灵活整形和旋转
- 提供时序功能。
- 强大的分组功能，用于对数据集执行拆分-应用-合并操作。
入门指南
熊猫安装到系统后，您需要导入库。该模块通常导入为:
import pandas as pd
这里，pd 被称为熊猫的别名。但是，没有必要使用别名导入库，它只是有助于在每次调用方法或属性时编写更少的代码。
熊猫通常提供两种数据结构来处理数据，它们是:
- 系列
- 数据帧
系列:
熊猫系列是一个一维标签数组，能够保存任何类型的数据(整数、字符串、浮点、python 对象等)。).轴标签统称为索引。熊猫系列只不过是 excel 表格中的一列。标签不必是唯一的，但必须是可散列的类型。该对象支持整数索引和基于标签的索引，并提供了一系列方法来执行涉及索引的操作。
注:详见Python|熊猫系列
创建系列
在现实世界中，熊猫系列将通过从现有存储中加载数据集来创建，存储可以是 SQL 数据库、CSV 文件、Excel 文件。熊猫系列可以从列表、字典和标量值等创建。
示例:
Python 3
import pandas as pd
import numpy as np
# Creating empty series
ser = pd.Series()
print(ser)
# simple array
data = np.array(['g', 'e', 'e', 'k', 's'])
ser = pd.Series(data)
print(ser)
输出:
Series([], dtype: float64)
0 g
1 e
2 e
3 k
4 s
dtype: object
注:更多信息请参考打造熊猫系列
数据帧
Pandas DataFrame 是一个二维大小可变、潜在异构的表格数据结构，带有标记轴(行和列)。数据框是一种二维数据结构，即数据以表格形式排列成行和列。熊猫数据框架由三个主要部分组成，即数据、行和列。
注:更多信息请参考 Python |熊猫数据框
创建数据帧:
在现实世界中，熊猫数据框架将通过从现有存储中加载数据集来创建，存储可以是 SQL 数据库、CSV 文件、Excel 文件。熊猫数据框架可以从列表、字典和字典列表等创建。
示例:
Python 3
import pandas as pd
# Calling DataFrame constructor
df = pd.DataFrame()
print(df)
# list of strings
lst = ['Geeks', 'For', 'Geeks', 'is',
'portal', 'for', 'Geeks']
# Calling DataFrame constructor on list
df = pd.DataFrame(lst)
print(df)
输出:
Empty DataFrame
Columns: []
Index: []
0
0 Geeks
1 For
2 Geeks
3 is
4 portal
5 for
6 Geeks
注:更多信息，请参考创建熊猫数据框
为什么熊猫被用于数据科学
熊猫通常用于数据科学，但你有没有想过为什么？这是因为熊猫与其他用于数据科学的图书馆结合使用。它建立在 NumPy 库的顶部，这意味着 NumPy 的许多结构在熊猫中被使用或复制。熊猫生产的数据经常作为输入用于 Matplotlib 的绘图功能、 SciPy 中的统计分析、 Scikit-learn 中的机器学习算法。 Pandas 程序可以从任何文本编辑器中运行，但建议使用 Jupyter Notebook 进行此操作，因为 Jupyter 能够在特定单元格中执行代码，而不是执行整个文件。Jupyter 还提供了一种简单的方法来可视化熊猫数据框和地块。
注:关于 Jupyter 笔记本的更多信息，请参考如何使用 Jupyter 笔记本-终极指南
版权属于：月萌API www.moonapi.com，转载请注明出处
