Python Pandas库

Pandas是一个开源的Python库，用于使用其强大的数据结构进行高性能数据处理和数据分析。 Python和Pandas在各种学术和商业领域都有应用，其中包括金融，经济学，统计学，广告，网络分析等等。 使用Pandas，无论数据源如何，我们都可以完成数据处理和分析中的五个典型步骤 - 加载，组织，操作，建模和分析数据。

以下是Pandas的一些重要功能，专门用于数据处理和数据分析工作。

Pandas的主要特点是 -

• 使用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数据对象的工具。
• 数据对齐和缺失数据的集成处理。
• 重新设置和旋转日期集。
• 大数据集的基于标签的分片，索引和子集。
• 数据结构中的列可以被删除或插入。
• 按数据分组进行聚合和转换。
• 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 -

• 维数
• 系列
• 数据帧

这些数据结构建立在Numpy数组之上，使其快速高效。

维数和描述说明

考虑处理这些数据结构的最佳方式是:将高维数据结构化为较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。

系列

系列(Series)是一种具有同质数据结构的一维数组。 例如，以下系列是整数:10,23,56...的集合。

例如，

10    23    56    17    52    61    73    90    26    72

系列的要点

• 同质数据
• 大小不可变
• 数据的值可变

数据帧

数据帧(DataFrame)是一个具有异构数据的二维数组。 例如，

该表格表示一个组织的销售团队的总体绩效评级数据。数据以行和列表示。 每列代表一个属性，每行代表一个人。

数据类型的列

四列的数据类型如下 -

数据帧的要点 -

• 异构数据
• 大小可变
• 数据可变

在接下来的章节中，我们将看到很多关于在数据科学工作中使用python的pandas库的例子。