Python 教學：什麼是 Pandas 以及如何在 Python 中使用 Pandas 函式庫
Python 是一種高階語言，它的強大和流行歸功於函式庫。
Pandas 就是其中之一，是資料科學和分析中最常用的工具之一。
這篇libraria Pandas教學講解了Pandas的基礎知識，例如它的架構和環境，我們一起來看看。
預計閱讀時間： 8 minuti
蟒蛇 大熊貓 是資料科學和分析領域最常用的函式庫之一。它提供高效能、使用者友善的資料結構和資料分析工具。在 大熊貓，二維桌面物件被稱為 熊貓數據框，而一維標記數組稱為 貓熊系列。 DataFrame 是一種包含列名稱和行標籤的結構。
什麼是Python熊貓？
Pandas 是一個強大的開源資料操作和分析庫 蟒蛇。它提供了輕鬆且有效率地處理結構化資料所需的資料結構和函數。 Pandas 由 Wes McKinney 於 2008 年開發，建立在 NumPy 庫之上，廣泛用於資料整理、清理、分析和視覺化。
Pandas 庫有什麼用？
Pandas 廣泛用於：
- 資料清理：處理缺失值、重複和不正確的資料格式。
- 資料操作：過濾、轉換和合併資料集。
- 數據分析：執行統計分析和匯總。
- 資料視覺化：建立圖表和圖形來視覺化資料中的趨勢和模式。
- 時間序列分析：管理和操作時間序列資料。
Pandas 包的主要優點
- 易於使用：Pandas 提供直覺的語法和高級功能，使資料操作和分析變得簡單，即使對於程式設計新手來說也是如此。
- 效率：建立在 數字貨幣，Pandas 針對大型資料集的效能進行了最佳化，提供快速且有效率的資料操作功能。
- 多功能性：Pandas 支援多種資料格式，包括 CSV、 Excel, 數據庫 SQL等，支援與各種資料來源的無縫整合。
- 強大的資料結構：該程式庫提供了強大的資料結構，例如 貓熊系列 歐洲聯盟 數據框，這對於靈活且有效率地管理結構化資料至關重要。
- 全面的功能：Pandas 包含多種資料清理、轉換和分析方法，例如缺失值處理、資料集合並和資料聚類。
- 時間序列支持：Pandas 對時間序列資料提供強大的支持，包括日期範圍產生、頻率轉換、移動視窗統計等。
- 資料對齊：自動資料對齊和遺失資料管理簡化了處理不完整資料集的過程。
- 與其他庫集成：Pandas 與其他庫無縫集成 蟒蛇 流行的，例如用於資料視覺化的 Matplotlib 和 Scikit學習 用於機器學習。
- 活躍的社群和文件：Pandas 擁有龐大且活躍的社群、豐富的文件以及大量的教學課程和資源，讓用戶更輕鬆地尋求幫助和學習最佳實踐。
- 作為一個開源庫，Pandas 可以免費使用，並透過全球資料科學界的貢獻不斷改進。
如何安裝熊貓？
安裝 Pandas 是一個簡單的過程，可以使用套件管理器來完成 蟒蛇, 點。請依照以下步驟在您的系統上安裝 Pandas：
第 1 步：驗證安裝 蟒蛇
確保 蟒蛇 已安裝在您的系統上。您可以透過在命令提示字元或終端機中執行以下命令來檢查這一點：
python – 版本
第 2 步：開啟命令提示字元或終端機
開啟命令提示字元 (Windows) 或終端機 (MacOS/Linux)。
第 3 步：使用 pip 安裝 Pandas
執行以下命令來安裝 Pandas：
我 pip 安裝 pandas
此命令將下載並安裝最新版本的 Pandas 及其相依性。
第 4 步：驗證安裝
安裝完成後，您可以透過開啟 shell 來驗證 Pandas 是否安裝正確 蟒蛇 並導入熊貓：
熊貓相當於 pd
列印（pd.-版本？）
如果 Pandas 安裝正確，這將列印已安裝的 Pandas 版本。
熊貓系列
一 貓熊系列 是一個一維標記數組，能夠保存任何類型的資料。它類似於電子表格或 SQL 表中的列。
熊貓相當於 pd
– 創建一個 pandas 系列
數據 [1, 2, 3, 4, 5]
系列 ？ pd.系列（數據）
印刷（系列）
pandas系列的基本操作
您可以串行執行各種運算，例如算術運算、過濾和統計計算。
算術運算
系列 2？系列+10
列印（系列 2）
– 過濾器過濾器
過濾系列？系列[系列？ 2]
列印（過濾系列）
– 統計計算
平均值？系列.mean()
列印（平均值）
熊貓資料框
pandas 資料框是一種帶有標記軸（行和列）的二維、多維、異質表格資料結構。
建立資料框
相關數據？ ？
'姓名'：['愛麗絲'，'鮑伯'，'查理']，
'Eo': [25, 30, 35],
'城市'：['紐約'、'洛杉磯'、'芝加哥']
-
df？ pd.DataFrame(data)
列印（df）
pandas資料框的基本操作
Dataframes 支援廣泛的資料操作和分析操作。
訪問列
列印 (df['姓名'])
– 新增列
df['工資'] [70000, 80000, 90000]
列印（df）
– 刪除一列
df.drop('城市', axis-1)
列印（df）
使用 Python Pandas 排序
資料排序是資料分析的一個基本面向。在 Pandas 中，您可以按一列或多列的值或按 DataFrame 索引對資料進行排序。此功能可協助您更有效地組織和分析資料。
按值排序：
若要根據特定欄位的值對 DataFrame 進行排序，可以使用 sort-values 方法。
熊貓相當於 pd
– 範例資料幀
數據：['愛麗絲'，'鮑伯'，'查理']，'查理']，
'Eo': [25, 30, 35],
‘工資’: [70000, 80000, 90000]
df？ pd.DataFrame(data)
– 依「年齡」排序
排序 df ？ df.sort?values(from-'Age')
列印（已排序-df）
按索引排序：
您也可以使用 sort-index 方法依索引對 DataFrame 進行排序。
– 依索引排序
排序 df 索引 ? df.sort-index()
列印（排序 df 索引）
這兩種方法都允許透過將 ascending 參數設為 True 或 False 來按升序或降序排序。
Python 熊貓組
Pandas 中的 groupby 方法是一個強大的工具，它允許您根據一個或多個欄位對資料進行分組，並對這些群組執行聚合操作。這對於匯總資料和深入了解資料的不同子集特別有用。
分組和聚合：
以下介紹如何使用 groupby 將資料分組並執行求和、求平均值或計數等聚合操作。
– 範例資料幀
數據：['人力資源'，'財務'，'人力資源'，'人力資源'，'財務'，'人力資源']，
'員工'：['愛麗絲'，'鮑勃'，'查理'，'大衛'，'愛德華']，
‘工資’: [50000, 60000, 70000, 80000, 90000]
df？ pd.DataFrame(data)
按“部門”分組並新增“薪資”
分組？ df.groupby('部門')['薪資'].
列印（分組）
groupby 方法傳回一個 GroupBy 對象，然後可以使用各種函數（例如 sum、average、count 等）來聚合該物件。
Python Pandas：融合
合併是一項至關重要的操作，它允許您基於公共列或索引組合兩個 DataFrame。 Pandas 為此提供了合併功能，類似於 SQL 連線。
合併資料框：
– 範例資料幀
df1？ pd.DataFrame('key': ['A', 'B', 'C'], 'value1': [1, 2, 3] ?)
df2 ？ pd.DataFrame('key': ['B', 'C', 'D'], 'value2': [2, 3, 4]?)
– 合併「關鍵」列
咕嚕？ pd.merge(df1, df2, on“key”)
列印（合併-df）
您可以使用參數指定連線類型（內部、外部、左、右）。
– 外部以斯帖加入
外部合併 df ？ pd.merge(df1, df2, on“key”, how“outer”)
列印（外部合併-df）
Python Pandas：串聯
連接是相加的過程 數據框 沿著特定的軸線（儀式或柱子）。 Pandas concat 函數可讓您連接兩個或多個 數據框.
連接資料框：
– 範例資料幀
df1？ pd.DataFrame('A': [1, 2, 3], 'B': [4, 5, 6] ?)
df2？ pd.DataFrame('A': [7, 8, 9], 'B': [10, 11, 12] ?)
沿著行連接
連接？ pd.concat([df1, df2])
列印（concat-df）
您也可以將 axis 參數設為 1 來沿列串聯。
沿著列連接
連接?df?col ? pd.concat([df1, df2], 軸?1)
印（concat？df？col）
使用 Pandas 進行資料視覺化
資料視覺化對於資料分析至關重要，它使您能夠看到資料中的模式、趨勢和異常值。該庫與 Matplotlib，可以輕鬆地直接從 DataFrame 建立各種圖表。
繪製數據：
將 matplotlib.pyplot 導入為 plt
– 範例資料幀
數據 ？ '年份：[2017, 2018, 2019, 2020, 2021],
'腹腔': [250, 300, 400, 350, 500]
df？ pd.DataFrame(data)
繪製折線圖
df.plot(x?'年份', y「銷售額」, 種類」)
plt.xlabel('年份)
plt.ylabel('銷售')
plt.title('EsVendite di Mezzo')
plt.show()
該庫支援各種繪圖類型，包括線條圖、繪圖、直方圖等。您可以利用這些視覺化功能有效地傳達訊息和資料發現。
