Pandas 简介与安装

Pandas 简介与安装

目录

• 什么是 Pandas
• Pandas 的历史
• 为什么选择 Pandas
• 安装 Pandas
• 导入 Pandas
• 验证安装
• 基本使用示例

---

什么是 Pandas

Pandas 是一个开源的 BSD 许可的 Python 库，提供高性能、易于使用的数据结构和数据分析工具。Pandas 的名称来源于"面板数据"（Panel Data），这是一个计量经济学术语，指包含多个时间段的多维数据集。

核心数据结构

Pandas 主要有两个核心数据结构：

1. Series（序列）：一维标记数组，类似于带标签的列表或数组
2. DataFrame（数据框）：二维标记数据结构，类似于电子表格或 SQL 表

---

Pandas 的历史

• 2008年：Wes McKinney 开始开发 Pandas
• 2009年：首次公开发布
• 2015年：NumFOCUS 成为 Pandas 的财政赞助商
• 现在：Pandas 是最受欢迎的 Python 数据分析库之一

---

为什么选择 Pandas

1. 数据读取和写入简单

Pandas 支持多种文件格式（CSV、Excel、JSON、SQL、HDF5等）

import pandas as pd# 读取 CSV 文件只需要一行代码
df = pd.read_csv('data.csv')# 读取 Excel 文件
df = pd.read_excel('data.xlsx')# 读取 JSON 文件
df = pd.read_json('data.json')

2. 数据清洗功能强大

提供了丰富的数据清洗工具，处理缺失值、重复值、异常值等

# 删除缺失值
df.dropna()# 填充缺失值
df.fillna(0)# 删除重复值
df.drop_duplicates()

3. 数据操作灵活

提供了类似于 SQL 的数据操作功能

# 分组聚合
df.groupby('category').mean()# 数据过滤
df[df['age'] > 18]# 数据排序
df.sort_values('age')

4. 与 NumPy 无缝集成

Pandas 构建在 NumPy 之上，可以轻松与 NumPy 数组交互

import numpy as np
import pandas as pd# 从 NumPy 数组创建 DataFrame
arr = np.array([[1, 2, 3], [4, 5, 6]])
df = pd.DataFrame(arr, columns=['A', 'B', 'C'])# DataFrame 转换为 NumPy 数组
arr = df.values

---

安装 Pandas

使用 pip 安装（推荐）

pip install pandas

使用 conda 安装

conda install pandas

指定版本安装

# 安装特定版本
pip install pandas==2.0.0# 安装最新版本
pip install pandas --upgrade

安装可选依赖

Pandas 有一些可选依赖，用于支持特定功能：

# 安装 Excel 支持（需要 openpyxl 或 xlrd）
pip install pandas openpyxl# 安装 HDF5 支持
pip install pandas tables# 安装数据库支持
pip install pandas sqlalchemy pymysql# 安装完整支持（包括所有可选依赖）
pip install pandas[all]

---

导入 Pandas

标准的 Pandas 导入方式：

import pandas as pd

这是社区广泛采用的标准导入方式，pd 是 Pandas 的约定别名。

检查 Pandas 版本

import pandas as pdprint(pd.__version__)
# 输出：2.1.0（具体版本取决于你的安装）# 查看版本信息
print(pd.show_versions())

---

验证安装

创建一个简单的脚本来验证 Pandas 是否正常安装：

import pandas as pd
import numpy as np# 创建一个简单的 DataFrame
data = {'姓名': ['张三', '李四', '王五'],'年龄': [25, 30, 35],'城市': ['北京', '上海', '广州']
}df = pd.DataFrame(data)
print(df)# 输出：
#    姓名  年龄  城市
# 0  张三  25  北京
# 1  李四  30  上海
# 2  王五  35  广州

如果上述代码能够正常运行并输出结果，说明 Pandas 安装成功。

---

基本使用示例

示例 1：创建简单的数据

import pandas as pd# 创建 Series
s = pd.Series([1, 3, 5, 7, 9])
print(s)
# 输出：
# 0    1
# 1    3
# 2    5
# 3    7
# 4    9
# dtype: int64# 创建 DataFrame
df = pd.DataFrame({'产品': ['苹果', '香蕉', '橙子'],'价格': [5.5, 3.2, 4.8],'库存': [100, 150, 80]
})
print(df)
# 输出：
#    产品   价格   库存
# 0  苹果  5.5  100
# 1  香蕉  3.2  150
# 2  橙子  4.8   80

示例 2：数据统计

import pandas as pddata = {'销售员': ['张三', '李四', '王五', '赵六'],'销售额': [12000, 15000, 18000, 14000],'订单数': [45, 52, 60, 48]
}df = pd.DataFrame(data)# 基本统计信息
print(df.describe())# 平均值
print(f"平均销售额: {df['销售额'].mean()}")# 总和
print(f"总销售额: {df['销售额'].sum()}")# 最大值和最小值
print(f"最高销售额: {df['销售额'].max()}")
print(f"最低销售额: {df['销售额'].min()}")

示例 3：数据筛选

import pandas as pddata = {'姓名': ['张三', '李四', '王五', '赵六'],'年龄': [25, 30, 35, 28],'部门': ['销售', '技术', '销售', '技术'],'工资': [8000, 12000, 9000, 11000]
}df = pd.DataFrame(data)# 筛选年龄大于 30 的员工
filtered = df[df['年龄'] > 30]
print(filtered)# 筛选销售部门的员工
sales_dept = df[df['部门'] == '销售']
print(sales_dept)# 多重条件筛选
result = df[(df['年龄'] > 25) & (df['工资'] > 9000)]
print(result)

---

参考资料

• Pandas 官方文档
• Pandas GitHub 仓库
• Pandas 用户指南

---