本文共 3117 字，大约阅读时间需要 10 分钟。

Pandas入门简介：从零开始学Pandas框架

Pandas 是基于 NumPy 的一款功能强大的数据处理框架，广泛应用于数据分析和科学计算领域。作为 NumPy 的封装，Pandas 提供更高层次的操作模式，适合处理结构化数据。本文将从基础操作入手，逐步介绍 Pandas 的核心功能，帮助读者快速掌握 Pandas 的使用方法。

1. Pandas.Series：最基础的数据容器

1.1 什么是Pandas.Series？

Pandas.Series 是 Pandas 中的核心容器类似于 NumPy 的数组，但 support 转换为 Pandas 数据框架。Series 由两部分构成：数据和索引。数据部分可以是标量、数组或其他可迭代对象，索引部分决定了数据的访问方式，比如行、列等。

1.2 怎么创建Pandas.Series？

根据需求，可以通过多种方式创建Pandas.Series：

# 创建默认索引的Series
s_default = pd.Series(range(15))  # 索引是0到14
# 创建自定义索引的Series
s_custom_index = pd.Series(range(10), index=['A', 'B', 'C', 'D', 'E'])
# 通过字典创建Series（注意字典和索引长度一致）
s_dict = pd.Series({'a': 1, 'b': 2}, index=['a', 'b'])
# 创建全局常数的Series
s_timezone = pd.Series('UTC', index=pd.date_range('2023-10-10', periods=3))

1.3 如何修改Series中的值？

Series 的修改操作非常简便，只需通过 s['指定索引'] = 新值 即可：

# 示例：修改特定元素的值
s = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])
s['a'] = 10  # 输出：a: 10, b:2..., e:5
print(s)

2. Pandas.DataFrame：扩展的数据容器

2.1 什么是Pandas.DataFrame？

Pandas.DataFrame 是 Pandas 中最常用的数据容器，它类似于 Excel 表格，具有多行多列的结构。DataFrame 由两部分组成：数据矩阵（rows和columns）和索引（rows）和列索引（columns）。DataFrame 支持各种数据操作，比如筛选、排序、转换等。

2.2 怎么创建Pandas.DataFrame？

可以通过多种方式创建DataFrame：

# 1. 通过 NumPy 数组创建
import numpy as np
data = np.random.randint(0, 10, size=(5, 5))  # 5行5列，值在0-9之间
df1 = pd.DataFrame(data)
# 2. 通过自定义列名创建
df2 = pd.DataFrame(data, columns=['A', 'B', 'C', 'D', 'E'])
# 3. 通过字典定义列数据创建
data_dict = {
    '省份': ['广东', '山东', '河南'],
    '人口': [10999, 9946, 9532],
    '城市': ['广州', '济南', '郑州']
}
df3 = pd.DataFrame(data_dict)
# 4. 通过Pandas.Series创建
s1 = pd.Series(range(5), index=['a', 'b', 'c', 'd', 'e'])
s2 = pd.Series([5, 6, 7, 8, 9], index=['a', 'b', 'c', 'd', 'e'])
df4 = pd.DataFrame([s1, s2])

2.3 DataFrame的常用操作

• 查看数据：

print(df)  # 显示DataFrame的所有内容

• 添加新列：

df['新列'] = df['原列'] + 1  # 例如：df['A'] + 1

• 筛选数据：

# 按照条件筛选
filtered_df = df[df['A'] > 10]
# 删除指定行
df.drop(df[df['A'] > 10].index, inplace=True)

• 排序：

sorted_df = df.sort_values('A')  # 按列A从小到大排序

3. 数据清洗：常用操作的实践案例

3.1 如何读取Excel文件数据？

import pandas as pd
import time
# 读取Excel文件
start_time = time.time()
df = pd.read_excel('files/order2019.xlsx', index_col='id')
end_time = time.time()
# 查看读取结果
print(len(df))  # 输出：104557行
print(f'读取数据花了 {end_time - start_time:.2f} 秒')

3.2 如何处理时间数据？

from datetime import datetime
import pandas as pd
# 创建示例时间数据
start_time = datetime(2023, 1, 1)
end_time = datetime(2023, 12, 31, 23, 59, 59)
# 将DataFrame中的时间列转换为datetime类型
df['order_time'] = pd.to_datetime(df['order_time'])
df['pay_time'] = pd.to_datetime(df['pay_time'])
# 过滤早于2023年1月1日的数据
early_orders = df[df['order_time'] < start_time]
print(early_orders)

3.3 如何删除或替换空值？

# 删除包含None值的行
df.dropna(inplace=True)
# 替换空值（这里用了众数替换chanelID为空值）
channel_mode = df.chanelID.dropna().mode()
df.chanelID = channel_mode[z]
print(df[df['chanelID'].isnull()])

3.4 如何添加新列？

# 根据订单金额和支付金额计算折扣率
df['discount'] = df['payment'] / df['order_amount']
print(df.describe())

结语

Pandas 是一个强大的数据处理框架，熟练掌握它将极大提升你的数据处理效率。通过以上案例，可以看到 Pandas 红黄绿薯的功能力。不仅可以快速读取和处理各种数据格式，还可以定位和清洗数据，甚至可以生成新的数据集。未来，Pandas 的学习还可以继续深入，比如学习更多高级功能，如数据聚合、时间序列分析、数据可视化等。

如果对以上内容感兴趣，可以进一步学习《Pandas 实战入门》等书籍，或者查阅官方文档和Stack Overflow 资源，持续提升你的数据处理技能。

转载地址：http://iyayk.baihongyu.com/