Rumah >pembangunan bahagian belakang >Tutorial Python >Panduan pemasangan untuk PythonPandas: mudah difahami dan dikendalikan

Panduan pemasangan untuk PythonPandas: mudah difahami dan dikendalikan

WBOY
WBOYasal
2024-01-24 09:39:18782semak imbas

Panduan pemasangan untuk PythonPandas: mudah difahami dan dikendalikan

Panduan pemasangan Python Pandas yang ringkas dan mudah difahami

Python Pandas ialah perpustakaan manipulasi dan analisis data yang berkuasa Ia menyediakan struktur data dan alatan analisis data yang fleksibel dan mudah digunakan, dan merupakan salah satu yang penting alat untuk analisis data Python. Artikel ini akan memberikan anda panduan pemasangan Python Panda yang ringkas dan mudah difahami untuk membantu anda memasang Panda dengan cepat, dan melampirkan contoh kod khusus untuk memudahkan anda memulakan.

  1. Pasang Python

Sebelum memasang Panda, anda perlu memasang Python terlebih dahulu. Python boleh dimuat turun dari tapak web rasmi (https://www.python.org/downloads/). Pilih pakej pemasangan yang sesuai untuk sistem pengendalian anda Selepas memuat turun, ikut wizard pemasangan untuk memasangnya.

  1. Pasang Pandas

Selepas berjaya memasang Python, buka terminal (command prompt) dan masukkan arahan berikut untuk memasang Pandas:

pip install pandas

Arahan ini akan memuat turun dan memasang perpustakaan Pandas secara automatik daripada Indeks Pakej Python (PyPI) .

  1. Sahkan pemasangan

Selepas pemasangan selesai, anda boleh memasukkan kod berikut dalam terminal untuk mengesahkan sama ada Pandas telah berjaya dipasang:

import pandas as pd

print(pd.__version__)

Jika output ialah nombor versi perpustakaan Pandas, pemasangan adalah berjaya.

  1. Struktur data yang biasa digunakan dalam Pandas

Panda menyediakan dua struktur data yang biasa digunakan, iaitu Siri dan DataFrame.

Siri ialah struktur data satu dimensi dalam Panda dan boleh dilihat sebagai tatasusunan berlabel. Siri A boleh dibuat menggunakan kod berikut:

import pandas as pd

s = pd.Series([1, 3, 5, np.nan, 6, 8])
print(s)

DataFrame ialah struktur data dua dimensi dalam Panda dan boleh dilihat sebagai jadual. Anda boleh menggunakan kod berikut untuk mencipta DataFrame:

import pandas as pd
import numpy as np

data = {'name': ['Tom', 'John', 'Emily', 'Jane'],
        'age': [20, 25, 30, 35],
        'city': ['New York', 'Paris', 'London', 'Tokyo']}
df = pd.DataFrame(data)
print(df)
  1. Operasi data biasa dalam Pandas

Pandas menyediakan fungsi operasi dan analisis data yang kaya, seperti penapisan data, pengisihan, penggabungan, dsb. Berikut ialah beberapa contoh operasi data yang biasa digunakan:

Tapis data:

import pandas as pd

df = pd.DataFrame({'name': ['Tom', 'John', 'Emily'],
                   'age': [20, 25, 30]})

filtered_df = df[df['age'] > 25]
print(filtered_df)

Isih data:

import pandas as pd

df = pd.DataFrame({'name': ['Tom', 'John', 'Emily'],
                   'age': [20, 25, 30]})

sorted_df = df.sort_values(by='age', ascending=False)
print(sorted_df)

Gabung data:

import pandas as pd

data1 = {'name': ['Tom', 'John', 'Emily'],
         'age': [20, 25, 30]}
data2 = {'name': ['Peter', 'Jane'],
         'age': [35, 40]}

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)

merged_df = pd.concat([df1, df2])
print(merged_df)

Di atas ialah beberapa contoh operasi data Pandas yang biasa, anda boleh melakukan lebih banyak pemprosesan data mengikut keperluan sebenar dan analisis.

Ringkasan:
Python Pandas ialah perpustakaan manipulasi dan analisis data yang hebat Artikel ini memberikan anda panduan pemasangan Panda Python yang ringkas dan mudah difahami, dengan contoh kod khusus, supaya anda boleh bermula dengan cepat. Saya harap artikel ini membantu anda, dan saya berharap anda pergi lebih jauh dan lebih jauh di jalan analisis data!

Atas ialah kandungan terperinci Panduan pemasangan untuk PythonPandas: mudah difahami dan dikendalikan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan:
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn