Python数据分析 Anaconda发行版 Jupyter notebook 安装和文档 启动 运行机制 主界面 新建文档 工作界面 文档结构 编辑和命令模式 快捷键 执行和输出 Markdown单元 图片和视频 幻灯片 导出格式 魔法命令 Numpy 基础知识 数据类型 创建数组 数组运算 通用函数 索引切片迭代 添加删除去重 形状变换 堆积数组 分割数组 视图和复制 广播机制 花式索引 布尔索引 统计方法 随机数 Pandas Series DataFrame Index 重建索引 轴向上删除条目 索引和切片 算术和广播 函数和映射 排序和排名 统计和汇总 文件读取 分块读取 写出数据 JSON和Pickle HDF5 EXCEL文件 Web交互 数据库交互 删除缺失值 补全缺失值 删除重复值 替换 重命名轴索引 离散化和分箱 检测和过滤 随机和抽样 字符串操作 分层索引 分层索引进阶 合并连接 粘合与堆叠 重塑 Matplotlib 配置环境 使用常识 保存图形 两种图画接口 使用中文 线型图 颜色线型和标记 坐标轴上下限 坐标轴刻度 图题、轴标签和图例 配置图题 配置图例 颜色条 文本、箭头和注释 散点图 直方图 条形图 饼图 误差线 等高线 多子图 patch 自定义坐标轴刻度 风格样式展示 下一步

Pandas

阅读: 8178     评论：1

本教程版本：0.23.0

img

官网：http://pandas.pydata.org/

文档：http://pandas.pydata.org/pandas-docs/stable/

Pandas是一个高性能的数据操作和分析工具。它在Numpy的基础上，提供了一种高效的DataFrame数据结构，使得在Python中进行数据清洗和分析非常快捷。Pandas采用了很多Numpy的代码风格，但最大的不同在于pandas主要用来处理表格型或异质型数据，而Numpy则相反，它更适合处理同质并且是数值类型的数据。事实上大多数时候，我们使用Pandas多于Numpy。

Pandas最初由AQR Capital Management于2008年4月开发，并于2009年底开源出来，目前由专注于Python数据包开发的PyData开发团队继续开发和维护，属于PyData项目的一部分。Pandas最初被作为金融数据分析工具而开发出来，因此，pandas为时间序列分析提供了很好的支持。 Pandas的名称来自于面板数据（panel data）和python数据分析（data analysis）。面板数据是经济学中关于多维数据集的一个术语，在Pandas中也提供了panel的数据类型。

Pandas的主要特点：

  • 快速高效的DataFrame对象，具有默认和自定义的索引。
  • 将数据从不同文件格式加载到内存中的数据对象的工具。
  • 丢失数据的数据对齐和综合处理。
  • 重组和摆动日期集。
  • 基于标签的切片，索引和大数据集的子集。
  • 可以删除或插入来自数据结构的列。
  • 按数据分组进行聚合和转换。
  • 高性能合并和数据加入。
  • 时间序列功能。

通常我们都使用Anaconda发行版安装Pandas，如果你非要自己安装，可以使用：

pip install pandas
conda install pandas
python3 -m pip install --upgrade pandas

对于Linux，比如Ubuntu，可以使用下面的方法安装，但可能出现各种依赖缺失或者安装错误：

sudo apt-get install python-numpy python-scipy python-matplotlib ipython python-pandas python-sympy python-nose

安装完Pandas后，我们就可以在notebook中导入它了，通常我们会使用下面的国际惯例进行导入：

import pandas as pd

有时候，我们也会将它包含的两个重要数据结构也单独导入：

from pandas import Series, DataFrame

可以如下查看当前Pandas的版本信息：

pd.__version__
 随机数 Series 

评论总数： 1

点击登录后方可评论

pandas，熊猫？？


By   用户1382844313    On   2019年3月14日 16:53   回复