当前位置：首页 > news >正文

第一章：Pandas 基础

news 来源：原创 2025/6/8 6:39:33

1. Pandas 简介

Pandas 是 Python 中用于数据处理和分析的核心库，核心数据结构是 Series（一维数据）和 DataFrame（二维表格）。
安装方法：

pip install pandas

2. 核心数据结构：Series 和 DataFrame

2.1 Series（一维数据）

创建 Series：通过列表和索引（索引可以是数字、字符串等）。

import pandas as pd

# 创建 Series
data = [3, 5, 7, 9]
index = ['a', 'b', 'c', 'd']
s = pd.Series(data=data, index=index)

print(s)

输出：

a    3
b    5
c    7
d    9
dtype: int64

访问数据：

print(s['b'])       # 输出 5（通过标签）
print(s.iloc[1])    # 输出 5（通过位置）

2.2 DataFrame（二维表格）

创建 DataFrame：通过字典或列表嵌套。

# 通过字典创建
data = {
    '姓名': ['小明', '小红', '小刚'],
    '年龄': [18, 19, 20],
    '成绩': [90, 85, 88]
}
df = pd.DataFrame(data, columns=['姓名', '年龄', '成绩'])

print(df)

输出：

  姓名  年龄  成绩
0  小明  18  90
1  小红  19  85
2  小刚  20  88

自定义索引：

df = pd.DataFrame(data, index=['S1', 'S2', 'S3'])

3. 数据读取与保存

Pandas 支持多种数据格式的读取和保存。

3.1 读取 CSV 文件

# 假设有一个 data.csv 文件，内容如下：
# 姓名,年龄,成绩
# 小明,18,90
# 小红,19,85
df = pd.read_csv('data.csv')
print(df.head())

3.2 保存为 Excel

df.to_excel('output.xlsx', index=False)  # index=False 表示不保存行索引

4. 数据查看与统计

4.1 基础查看方法

print(df.head(2))     # 查看前2行
print(df.tail(1))     # 查看最后1行
print(df.shape)       # 输出 (3, 3) 表示3行3列
print(df.columns)     # 输出列名列表：Index(['姓名', '年龄', '成绩'], dtype='object')

4.2 数据统计

print(df.describe())  # 统计数值列的均值、标准差等

输出：

             年龄        成绩
count   3.000000   3.000000
mean   19.000000  87.666667
std     1.000000   2.516611
min    18.000000  85.000000
25%    18.500000  86.500000
50%    19.000000  88.000000
75%    19.500000  89.000000
max    20.000000  90.000000

5. 数据选择与过滤

5.1 按列选择

names = df['姓名']          # 选择单列（返回 Series）
age_score = df[['年龄', '成绩']]  # 选择多列（返回 DataFrame）

5.2 按行选择

loc[] 通过标签选择：

print(df.loc['S2'])              # 选择索引为 'S2' 的行
print(df.loc[df['年龄'] > 18])   # 筛选年龄大于18的行

iloc[] 通过位置选择：

print(df.iloc[1])       # 选择第2行（位置从0开始）
print(df.iloc[0:2])     # 选择第1到第2行（左闭右开）

5.3 条件过滤

# 筛选成绩大于85且年龄小于20的学生
filtered_df = df[(df['成绩'] > 85) & (df['年龄'] < 20)]

6. 数据清洗

6.1 处理缺失值

删除缺失值：

df.dropna()      # 删除包含缺失值的行
df.dropna(axis=1)  # 删除包含缺失值的列

填充缺失值：

df.fillna(0)                   # 用0填充
df.fillna(df['年龄'].mean())   # 用列的平均值填充

6.2 去重

df.drop_duplicates(subset=['姓名'])  # 根据 '姓名' 列去重

7. 简单数据分析

7.1 排序

df.sort_values(by='成绩', ascending=False)  # 按成绩降序排列

7.2 分组聚合

# 假设添加一列 '班级'
df['班级'] = ['A', 'B', 'A']
grouped = df.groupby('班级')['成绩'].mean()  # 按班级计算平均成绩

输出：

班级
A    89.0
B    85.0
Name: 成绩, dtype: float64

8. 实例：学生成绩分析

# 读取数据
df = pd.read_csv('students.csv')

# 1. 查看前3行
print(df.head(3))

# 2. 筛选数学成绩大于80的学生
math_high = df[df['数学'] > 80]

# 3. 按班级计算平均分
class_avg = df.groupby('班级')['数学', '英语'].mean()

# 4. 保存结果
class_avg.to_excel('class_avg.xlsx')