pandas適合于許多不同類型的數據，包括：

具有異構類型列的表格數據，例如SQL表格或Excel數據

有序和無序(不一定是固定頻率)時間序列數據。

具有行列標簽的任意矩陣數據(均勻類型或不同類型)

任何其他形式的觀測/統計數據集。

由于這是一個Python語言的軟件包，因此需要你的機器上首先需要具備Python語言的環境。關于這一點，請自行在網絡上搜索獲取方法。

關于如何獲取pandas請參閱官網上的說明：pandas Installation。

通常情況下，我們可以通過pip來執行安裝：

或者通過conda 來安裝pandas：

目前(2018年2月)pandas的最新版本是v0.22.0(發布時間：2017年12月29日)。

我已經將本文的源碼和測試數據放到Github上： pandas_tutorial ，讀者可以前往獲取。

另外，pandas常常和NumPy一起使用，本文中的源碼中也會用到NumPy。

建議讀者先對NumPy有一定的熟悉再來學習pandas，我之前也寫過一個NumPy的基礎教程，參見這里：Python 機器學習庫 NumPy 教程

核心數據結構

pandas最核心的就是Series和DataFrame兩個數據結構。

這兩種類型的數據結構對比如下：

DataFrame可以看做是Series的容器，即：一個DataFrame中可以包含若干個Series。

注：在0.20.0版本之前，還有一個三維的數據結構，名稱為Panel。這也是pandas庫取名的原因：pan(el)-da(ta)-s。但這種數據結構由于很少被使用到，因此已經被廢棄了。

Series

由于Series是一維結構的數據，我們可以直接通過數組來創建這種數據，像這樣：

這段代碼輸出如下：

這段輸出說明如下：

輸出的最后一行是Series中數據的類型，這里的數據都是int64類型的。

數據在第二列輸出，第一列是數據的索引，在pandas中稱之為Index。

我們可以分別打印出Series中的數據和索引：

這兩行代碼輸出如下：

如果不指定(像上面這樣)，索引是[1, N-1]的形式。不過我們也可以在創建Series的時候指定索引。索引未必一定需要是整數，可以是任何類型的數據，例如字符串。例如我們以七個字母來映射七個音符。索引的目的是可以通過它來獲取對應的數據，例如下面這樣：

這段代碼輸出如下：

DataFrame

下面我們來看一下DataFrame的創建。我們可以通過NumPy的接口來創建一個4x4的矩陣，以此來創建一個DataFrame，像這樣：

這段代碼輸出如下：

從這個輸出我們可以看到，默認的索引和列名都是[0, N-1]的形式。

我們可以在創建DataFrame的時候指定列名和索引，像這樣：

這段代碼輸出如下：

我們也可以直接指定列數據來創建DataFrame：

這段代碼輸出如下：

請注意：

DataFrame的不同列可以是不同的數據類型

如果以Series數組來創建DataFrame，每個Series將成為一行，而不是一列

例如：

df4的輸出如下：

我們可以通過下面的形式給DataFrame添加或者刪除列數據：

這段代碼輸出如下：

Index對象與數據訪問

pandas的Index對象包含了描述軸的元數據信息。當創建Series或者DataFrame的時候，標簽的數組或者序列會被轉換成Index。可以通過下面的方式獲取到DataFrame的列和行的Index對象：

這兩行代碼輸出如下：

請注意：

Index并非集合，因此其中可以包含重復的數據

Index對象的值是不可以改變，因此可以通過它安全的訪問數據

DataFrame提供了下面兩個操作符來訪問其中的數據：

loc：通過行和列的索引來訪問數據

iloc：通過行和列的下標來訪問數據

例如這樣：

第一行代碼訪問了行索引為0和1，列索引為“note”的元素。第二行代碼訪問了行下標為0和1(對于df3來說，行索引和行下標剛好是一樣的，所以這里都是0和1，但它們卻是不同的含義)，列下標為0的元素。

這兩行代碼輸出如下：

文件操作

pandas庫提供了一系列的read_函數來讀取各種格式的文件，它們如下所示：

read_csv

read_table

read_fwf

read_clipboard

read_excel

read_hdf

read_html

read_json

read_msgpack

read_pickle

read_sas

read_sql

read_stata

read_feather

讀取Excel文件

注：要讀取Excel文件，還需要安裝另外一個庫：xlrd

通過pip可以這樣完成安裝：

安裝完之后可以通過pip查看這個庫的信息：

接下來我們看一個讀取Excel的簡單的例子：

這個Excel的內容如下：

注：本文的代碼和數據文件可以通過文章開頭提到的Github倉庫獲取。

讀取CSV文件

下面，我們再來看讀取CSV文件的例子。

第一個CSV文件內容如下：

讀取的方式也很簡單：

我們再來看第2個例子，這個文件的內容如下：

嚴格的來說，這并不是一個CSV文件了，因為它的數據并不是通過逗號分隔的。在這種情況下，我們可以通過指定分隔符的方式來讀取這個文件，像這樣：

實際上，read_csv支持非常多的參數用來調整讀取的參數，如下表所示：

詳細的read_csv函數說明請參見這里：pandas.read_csv

處理無效值

現實世界并非完美，我們讀取到的數據常常會帶有一些無效值。如果沒有處理好這些無效值，將對程序造成很大的干擾。

對待無效值，主要有兩種處理方法：直接忽略這些無效值；或者將無效值替換成有效值。

下面我先創建一個包含無效值的數據結構。然后通過pandas.isna函數來確認哪些值是無效的：

這段代碼輸出如下：

忽略無效值

我們可以通過pandas.DataFrame.dropna函數拋棄無效值：

注：dropna默認不會改變原先的數據結構，而是返回了一個新的數據結構。如果想要直接更改數據本身，可以在調用這個函數的時候傳遞參數 inplace = True。

對于原先的結構，當無效值全部被拋棄之后，將不再是一個有效的DataFrame，因此這行代碼輸出如下：

我們也可以選擇拋棄整列都是無效值的那一列：

注：axis=1表示列的軸。how可以取值'any'或者'all'，默認是前者。

這行代碼輸出如下：

替換無效值

我們也可以通過fillna函數將無效值替換成為有效值。像這樣：

這段代碼輸出如下：

將無效值全部替換成同樣的數據可能意義不大，因此我們可以指定不同的數據來進行填充。為了便于操作，在填充之前，我們可以先通過rename方法修改行和列的名稱：

這段代碼輸出如下：

處理字符串

數據中常常牽涉到字符串的處理，接下來我們就看看pandas對于字符串操作。

Series的str字段包含了一系列的函數用來處理字符串。并且，這些函數會自動處理無效值。

下面是一些實例，在第一組數據中，我們故意設置了一些包含空格字符串：

在這個實例中我們看到了對于字符串strip的處理以及判斷字符串本身是否是數字，這段代碼輸出如下：

下面是另外一些示例，展示了對于字符串大寫，小寫以及字符串長度的處理：

該段代碼輸出如下：

總結

以上是生活随笔為你收集整理的python的pandas包使用教程_「Python」pandas入门教程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。