Python - 数据科学 Pandas

• 

  简述

  Pandas 是一个开源 Python 库，用于使用其强大的数据结构进行高性能数据操作和数据分析。带有 pandas 的 Python 被用于各种学术和商业领域，包括金融、经济学、统计学、广告、网络分析等。使用 Pandas，我们可以完成数据处理和分析的五个典型步骤，无论数据的来源如何——加载、组织、操作、建模和分析数据。

  以下是 Pandas 的一些重要功能，专门用于数据处理和数据分析工作。
• 

  Pandas 的主要特点

  • 具有默认和自定义索引的快速高效的 DataFrame 对象。
  • 用于将数据从不同文件格式加载到内存数据对象中的工具。
  • 数据对齐和缺失数据的综合处理。
  • 日期集的重塑和旋转。
  • 大型数据集的基于标签的切片、索引和子集化。
  • 可以删除或插入数据结构中的列。
  • 按数据分组以进行聚合和转换。
  • 高性能的数据合并和连接。
  • 时间序列功能。

  Pandas 处理以下两种数据结构 -

  • Series
  • DataFrame

  这些数据结构建立在 Numpy 数组之上，使其快速高效。
• 

  尺寸和说明

  考虑这些数据结构的最佳方式是，高维数据结构是其低维数据​​结构的容器。比如DataFrame是Series的容器，Panel是DataFrame的容器。

  数据结构	方面	描述
  Series	1	一维标记的同构数组，大小不可变。
  DataFrame	2	具有潜在异构类型列的通用 2D 标记、大小可变的表格结构。

  DataFrame 应用广泛，是最重要的数据结构。
• 

  Series

  系列是具有同质数据的一维数组结构。例如，以下系列是整数 10、23、56、……的集合

  10

  23

  56

  17

  52

  61

  73

  90

  26

  72

  系列要点

  • 同质数据
  • 大小不可变
  • 数据可变的值
• 

  DataFrame

  DataFrame 是一个包含异构数据的二维数组。例如，

  Name	Age	Gender	Rating
  Steve	32	Male	3.45
  Lia	28	Female	4.6
  Vin	45	Male	3.9
  Katie	38	Female	2.78

  该表表示组织的销售团队的数据及其整体绩效评级。数据以行和列的形式表示。每列代表一个属性，每一行代表一个人。
• 

  列的数据类型

  四列的数据类型如下 -

  Column	Type
  Name	String
  Age	Integer
  Gender	String
  Rating	Float

  数据框关键点

  • 异构数据
  • 大小可变
  • 数据可变

  在接下来的章节中，我们将看到很多关于在数据科学工作中使用 python 的 pandas 库的示例。