1. Pandas简介
Pandas是一个开源的Python库，用于数据分析和数据处理。
DataFrame：二维表格数据结构，类似于Excel表格。Series：一维数组数据结构。
2. 安装Pandas
pip install pandas
3. 使用Pandas读取CSV文件
import pandas as pd# 读取CSV文件
df = pd.read_csv('data.csv')# 打印数据
print(df)
4. 使用Pandas进行数据操作
# 选择列
df['column_name']# 选择行
df.loc[index]# 选择多个行
df.loc[index1:index2]# 选择多个列
df[['column1', 'column2']]# 排序
df.sort_values(by='column_name', ascending=False)# 统计
df.describe()# 合并
df1.append(df2)5. 使用Pandas进行数据可视化
import matplotlib.pyplot as plt# 直方图
df['column_name'].hist()
plt.show()# 散点图
df.plot.scatter(x='column1', y='column2')
plt.show()6. Pandas处理字典数据
import pandas as pd# 字典数据
data = [{'name': 'Alice', 'age': 25}, {'name': 'Bob', 'age': 30}]# 转换为DataFrame
df = pd.DataFrame(data)# 打印数据
print(df)
7.数据清洗
- 缺失值处理
# 删除缺失值
df.dropna(axis=0, # 0表示行，1表示列how='any', # any表示任意一个值缺失，all表示所有值缺失subset=['column1', 'column2'] # 指定需要处理的列
)# 填充缺失值
df.fillna(value, # 填充值axis=0, # 0表示行，1表示列
)
# 将指定值替换为其他值
df.replace(to_replace, # 需要替换的值value, # 替换的值inplace=True, # 是否替换原数据
)
- 重复值处理
# 删除重复值
df.drop_duplicates()
8.查看数据
# 查看前几行
df.head(n)# 查看后几行
df.tail(n)# 查看数据类型
df.dtypes# 查看数据形状
df.shape# 显示数据的信息，包括列名、数据类型、缺失值等；
df.info()# 显示数据统计信息，包括均值、标准差、最小值、最大值等；
df.describe()9.相关性分析
# 计算相关性系数
df.corr()# 绘制相关性热力图
import seaborn as sns
sns.heatmap(df.corr(), annot=True)
plt.show()
10.保存数据
# 保存为CSV文件
df.to_csv('data.csv', index=False)# 保存为Excel文件
df.to_excel('data.xlsx', index=False)
