Python中pandas包的简单使用

最新推荐文章于 2024-10-24 16:25:26 发布

原创最新推荐文章于 2024-10-24 16:25:26 发布 · 513 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#python #pandas #开发语言

opensnn 专栏收录该内容

22 篇文章

订阅专栏

OpenSNN开思通智网，官网地址：https://w3.opensnn.com/
2024年8月份 “O站创作者招募计划”
快来O站写文章，千元大奖等你来拿！
“一起来O站，玩转AGI！”

pandas 主要用于数据分析，常用于处理结构化数据，如表格数据。下面是 pandas 的简单使用。

1. 导入 `pandas` 包

首先，你需要导入 pandas 包：

import pandas as pd

2. 创建 DataFrame

DataFrame 是 pandas 的核心数据结构，类似于电子表格中的表格。你可以从字典、列表等数据结构创建一个 DataFrame：

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'Los Angeles', 'Chicago']
}

df = pd.DataFrame(data)
print(df)

输出：

      Name  Age         City
0    Alice   25     New York
1      Bob   30  Los Angeles
2  Charlie   35     Chicago

3. 读取数据

你可以使用 pandas 读取各种格式的文件，比如 CSV 文件：

df = pd.read_csv('file.csv')

4. 数据选择与过滤

pandas 提供了多种方法来选择和过滤数据：

选择列：

print(df['Name'])

选择行：

print(df.iloc[0])  # 选择第一行

基于条件过滤数据：

print(df[df['Age'] > 30])  # 选择年龄大于30的数据

5. 数据统计与分析

pandas 具有强大的数据统计功能：

print(df.describe())  # 生成数据的统计信息

6. 数据清洗

你可以轻松处理缺失数据：

df.dropna()  # 删除包含缺失值的行
df.fillna(0)  # 用0填充缺失值

7. 数据分组

你可以根据某列的值对数据进行分组：

grouped = df.groupby('City').mean()
print(grouped)

8. 导出数据

你可以将 DataFrame 导出为 CSV 等格式：

df.to_csv('output.csv', index=False)

这是 pandas 基本用法的一些示例。pandas 是 Python 中一个非常强大的数据分析库，可以用来进行数据处理、分析和可视化。

【转载自:】OpenSNN开思通智网 ---- “一起来O站，玩转AGI！”
【官网:】https://w3.opensnn.com/
【原文链接:】https://w3.opensnn.com/os/article/10001299