Pandas 最詳細教程

相關學習推薦：python教學

#Python 是開源的，它很棒，但也無法避免開源的一些固有問題：很多包都在做（或在嘗試做）同樣的事情。如果你是 Python 新手，那麼你很難知道某個特定任務的最佳套件是哪個，你需要有經驗的人告訴你。有一個用於資料科學的包絕對是必需的，它就是 pandas。

pandas 最有趣的地方在於裡面隱藏了許多包包。它是一個核心包，裡面有很多其他包的功能。這點很棒，因為你只需要使用 pandas 就可以完成工作。

pandas 相當於 python 中 excel：它使用表格（也就是 dataframe)，能在資料上做各種變換，但還有其他很多功能。

如果你早已熟知 python 的使用，可以直接跳到第三段。

讓我們開始吧：

import pandas as pd复制代码

別問為什麼是「pd」而不是「p」，就是這樣。用就行了:)

pandas 最基本的功能

讀取資料

data = pd.read_csv( my_file.csv )
data = pd.read_csv( my_file.csv , sep= ; , encoding= latin-1 , nrows=1000, skiprows=[2,5])复制代码

sep 代表的是分隔符號。如果你在使用法語數據，excel 中 csv 分隔符號是“;”，因此你需要明確地指定它。編碼設定為 latin-1 來讀取法文字元。 nrows=1000 表示讀取前 1000 行資料。 skiprows=[2,5] 表示你在讀取檔案的時候會移除第 2 行和第 5 行。

• 最常用的功能：read_csv, read_excel

• #其他一些很棒的功能：read_clipboard, read_sql

#寫入資料

data.to_csv( my_new_file.csv , index=None)复制代码

index=None 表示將會以資料原本的樣子寫入。如果你沒有寫 index=None，你會多出一個第一列，內容是 1，2，3，...，一直到最後一行。

我通常不會去使用其他的函數，像.to_excel, .to_json, .to_pickle 等等，因為.to_csv 就能很好地完成工作，並且 csv 是最常用的表格保存方式。

檢查資料

#

Gives (#rows, #columns)复制代码

給予行數和列數

data.describe()复制代码

計算基本的統計資料

查看資料

data.head(3)复制代码

列印出資料的前3 行。與之類似，.tail() 對應的是資料的最後一行。

data.loc[8]复制代码

印出第八行

data.loc[8,  column_1 ]复制代码

列印第八行名為「column_1」的欄位

data.loc[range(4,6)]复制代码

第四到第六行（左閉右開）的資料子集

pandas 的基本函數

邏輯運算

data[data[ column_1 ]== french ]
data[(data[ column_1 ]== french ) & (data[ year_born ]==1990)]
data[(data[ column_1 ]== french ) & (data[ year_born ]==1990) & ~(data[ city ]== London )]复制代码

透過邏輯運算來取資料子集。要使用 & (AND)、 ~ (NOT) 和 | (OR)，必須在邏輯運算前後加上「and」。

data[data[ column_1 ].isin([ french ,  english ])]复制代码

除了可以在同一列使用多個 OR，你還可以使用.isin() 函數。

基本繪圖

matplotlib 套件讓這項功能成為可能。正如我們在介紹中所說，它可以直接在 pandas 中使用。

data[ column_numerical ].plot()复制代码

（）.plot() 輸出的範例

data[ column_numerical ].hist()复制代码

畫出資料分佈（直方圖）

.hist() 輸出的範例

%matplotlib inline复制代码

如果你在使用Jupyter，不要忘記在畫圖之前加上以上程式碼。

更新資料

data.loc[8,  column_1 ] =  english
将第八行名为 column_1 的列替换为「english」复制代码

data.loc[data[ column_1 ]== french ,  column_1 ] =  French复制代码

在一行程式碼中改變多列的值

好了，現在你可以做一些在excel 中可以輕鬆訪問的事情了。以下讓我們深入研究 excel 中無法實現的一些令人驚奇的操作。

中階函數

統計出現的次數

data[ column_1 ].value_counts()复制代码

#.value_counts() 函數輸出範例

在所有的行、列或全資料上進行操作

data[ column_1 ].map(len)复制代码

len() 函數被應用在了「column_1」列中的每一個元素上

#.map() 運算給一列中的每一個元素應用一個函數

data[ column_1 ].map(len).map(lambda x: x/100).plot()复制代码

pandas 的一個很好的功能就是鍊式方法（tomaugspurger.github.io/method-chai… 和.plot( )）。

data.apply(sum)复制代码

.apply() 會為一個欄位套用一個函數。

.applymap() 會為表格 (DataFrame) 中的所有單元套用一個函數。

###tqdm, 唯一的#######

在处理大规模数据集时，pandas 会花费一些时间来进行.map()、.apply()、.applymap() 等操作。tqdm 是一个可以用来帮助预测这些操作的执行何时完成的包（是的，我说谎了，我之前说我们只会使用到 pandas）。

from tqdm import tqdm_notebook
tqdm_notebook().pandas()复制代码

用 pandas 设置 tqdm

data[ column_1 ].progress_map(lambda x: x.count( e ))复制代码

用 .progress_map() 代替.map()、.apply() 和.applymap() 也是类似的。

在 Jupyter 中使用 tqdm 和 pandas 得到的进度条

相关性和散射矩阵

data.corr()
data.corr().applymap(lambda x: int(x*100)/100)复制代码

.corr() 会给出相关性矩阵

pd.plotting.scatter_matrix(data, figsize=(12,8))复制代码

散点矩阵的例子。它在同一幅图中画出了两列的所有组合。

pandas 中的高级操作

The SQL 关联

在 pandas 中实现关联是非常非常简单的

data.merge(other_data, on=[ column_1 ,  column_2 ,  column_3 ])复制代码

关联三列只需要一行代码

分组

一开始并不是那么简单，你首先需要掌握语法，然后你会发现你一直在使用这个功能。

data.groupby( column_1 )[ column_2 ].apply(sum).reset_index()复制代码

按一个列分组，选择另一个列来执行一个函数。.reset_index() 会将数据重构成一个表。

正如前面解释过的，为了优化代码，在一行中将你的函数连接起来。

行迭代

dictionary = {}

for i,row in data.iterrows():
 dictionary[row[ column_1 ]] = row[ column_2 ]复制代码

.iterrows() 使用两个变量一起循环：行索引和行的数据 (上面的 i 和 row)

总而言之，pandas 是 python 成为出色的编程语言的原因之一

我本可以展示更多有趣的 pandas 功能，但是已经写出来的这些足以让人理解为何数据科学家离不开 pandas。总结一下，pandas 有以下优点：

• 易用，将所有复杂、抽象的计算都隐藏在背后了；

• 直观；

• 快速，即使不是最快的也是非常快的。

它有助于数据科学家快速读取和理解数据，提高其工作效率

以上是Pandas 最詳細教程的詳細內容。更多資訊請關注PHP中文網其他相關文章！