Source — Nimble 编码
在开始之前，我建议你阅读我之前关于 NumPy 的文章。尽管 NumPy 的数组比 Python 的数据结构好，但有几个限制阻碍了它的使用。 1。NumPy 的高维数组每个数组只支持单一数据类型，这使得处理既有数字又有字符串的数据变得困难。 一般来说实时数据是一种或多种数据类型的组合。 2。Numpy 有硬件级的方法，但是没有为经常使用的分析模式预先构建的方法。
熊猫库又称“Python 数据分析库”解决了上述问题。Pandas 是一个构建在 Numpy 之上的 python 库，它支持数据清理和数据操作。使用 Pandas，我们可以高效地对多维和异构数据执行操作。熊猫还让我们能够灵活地处理来自更广泛资源类别的数据，如.csv、.tsv、excel和webpages。Pandas 库主要由两种数据结构组成。(第三个数据结构**“面板”**这里不讨论。)
一个系列是一个一维数据结构，可以看作是 Python 的字典和 Numpy 的 n-d 数组数据结构的扩展。一个系列可以被想象成一个具有两列的数据结构，一列用于索引(类似于 Python 中字典的键)，另一列用于实际数据。这里要注意的一个要点是数据列也可以有自己的标签。
序列、数组和字典之间的区别
在内部，Pandas 使用 Numpy 库将一个 Series 对象存储在一个类型化数组中。与传统的 python 列表相比，这提高了处理数据的速度和性能。
创建系列
可以通过多种方式创建系列。首先，要使用熊猫图书馆，我们需要—
import pandas as pd
可以从 Python 列表、字典和 Numpy 数组创建 Series 对象。我们可以使用基本语法pd.Series(data,index)创建一个系列。index 参数在这里是可选的。
创建系列数据结构的不同方法
在前三个方法中，我们没有向 Series 方法传递任何索引参数，因此默认值 0… n-1 被视为索引。我们可以将自定义索引传递给数据值，如第四种方法所示。
查询一个系列
可以通过索引位置或索引标签来查询系列数据结构。当我们不传递 index 参数时，值的位置就变成了它的标签。为了通过数字位置进行查询，从零开始，我们使用了 iloc 属性。为了通过索引标签进行查询，我们可以使用 loc 属性。
让我们来回答一个问题！
如果 indexes 对象中的值列表与字典中的键不匹配，如下所示，该怎么办？
Pandas 将忽略索引对象中不存在的键。它将为存在于索引对象中但不在字典中的键提供一个 NaN 值，如上所示。
数据帧结构是熊猫图书馆的核心。这些是具有行和列的二维数据结构。我们同样可以认为数据帧是一系列对象的集合。与 NumPy 二维数组不同，DataFrame 对象具有异构数据。组成数据帧的元素以及 Pandas 如何存储数据帧(每一列都是一个序列)可以在这里看到。
图像源— DataQuest
创建数据帧
数据帧的创建方式与系列的创建方式相同，由— pd.DataFrame(data,index)创建。我们将创建一个数据帧，首先创建三个系列对象，然后将它们转换成一个数据帧。
探索数据帧
df.info()返回数据帧的行数、列数和每列的数据类型以及内存使用情况。
df.describe()返回描述性统计数据，如数据框的中心性测量值和扩散性测量值。
使用行和列
类似于系列对象， 1。如果我们想要查询数据帧的一行，我们可以通过使用 loc 和 iloc 属性来使用索引标签或索引位置。 2。如果我们想要查询列，我们可以直接使用括号符号[] 和列名来检索整个列。 3。如果我们想要特定行和特定列的元素，我们使用 loc 属性并传递行标签或索引位置以及列标签或索引位置。
查询数据框的各种方法
我们注意到，如果我们的输出是一维数组，它将作为一个 Series 对象返回，如果我们的输出大于一维数组，它将作为 DataFrame 对象返回。
***# Query a particular cell using the labels***
df.loc["Person1","Name"]***# Query a particular cell using the labels***
df.iloc[0,1]
让我们来回答一个问题！
df.iloc[[0，1]] 和 df.iloc[0，1] 有什么区别？看起来差不多，对吗？但是仔细看看。
在第一种情况下，我们向 df.iloc[ ]属性传递一个由两个数字组成的列表，这意味着我们预期有 2 行，它们的索引位置分别为 0 和 1。该查询返回 DataFrame 对象。
在第二种情况下，我们将两个数字分别传递给 df.iloc[ ]属性，第一个数字是行索引，第二个数字是列索引。 **注:**我们也可以通过 ":" 符号表示整行或整列。示例— df.iloc[:，7]将返回所有行，但仅返回第 7 列。
向数据框架添加列
这可以直接使用括号符号[]来完成，我们在其中传递新的列标签。如果我们向不存在的索引添加值，Pandas 会自动添加 NaN 值。
删除行/列
这可以使用` drop()函数来完成。它有两个参数。
- 轴，以指示方向。(
axis=0暗示行，axis=1暗示列。) - 就地，如果设置为 true，DataFrame 将就地更新，而不是返回一个副本。
另一个用于删除列的函数是 del 函数。
过滤数据
一个有趣的概念布尔屏蔽可用于对数据帧进行高效过滤。
分组依据
例如，让我们向表中添加职业和薪水列。
现在我们想找出从事“IT”和“商业”的人的平均工资。
常见的方法是遍历数据帧中的每一行，检查占用率并计算平均值。但我确实认为这种方法不太容易(熊猫的标准)。一种选择是使用groupby()功能。
groupby()允许我们根据列名对行进行分组，并执行求和、均值、标准差等聚合操作。
当我们直接调用 mean() 方法时，它对所有具有兼容数据类型的列进行操作。
为了仅对所需的列执行 mean，我们需要使用.agg()方法，将列名和函数作为键值对传递给它。
熊猫使用的更多功能…
sort_values以列名为参数，默认按升序排序。示例df.sort_values(“Age”,ascending=True)
nlargest() 和nsmallest()返回给定列中“n”个最大和最小的元素。示例 df.nlargest(3，" Age ")返回年龄最大的前 3 个人。
idxmax()和idxmin()返回第一个出现的最大值和最小值的索引。
dropna()用于删除包含空值/缺失值的列。
astype(x)尝试遍历每一行，并将数据类型改为 x。
apply()用于在数据帧上调用用户自定义函数。语法如下所示。
def cube(x):
return x*x*xdf['Salary'].apply(cube)
合并数据帧
当我们想要将数据帧连接在一起时，我们不能直接跳到代码中。我们必须先做出选择。让我们创建两个数据帧 student_df 和 staff_df。
首先，如果我们想获得每个人的信息，不管他们是学生还是职员，我们使用全外部连接。 接下来，如果我们想获得职员和学生的信息，我们使用内部连接。
我们需要将连接的类型传递给how参数进行合并。我们还告诉 merge 函数，我们希望通过将 left_index 和 right_index 设置为 True 来使用左索引和右索引作为连接列。在完全外部连接的情况下，詹姆斯·凯利没有学校，迈克也没有角色。因此，这些被 NaN 值替换。
类似地，如果我们想知道所有职员的详细信息，不管他们是否是学生，但是如果他们是学生，我们也想得到他们的学生详细信息，我们可以使用 left join。我们可以用右连接反之亦然。
从文件中读取
pd.read_csv()用于将. csv 文件转换为数据帧。
pd.read_excel()用于从 Excel 文件导入数据。
pd.read_html()允许我们从 HTML 文件中读取表格。
写入文件
.to_csv()将我们的数据帧转换为. csv 文件。
类似地，to_excel()将我们的数据框存储在一个 Excel 文件中。
希望这篇文章能帮助你理解熊猫的重要性和它所提供的性能改进。对于有志于从事数据领域工作的人来说，Pandas 是一个非常方便的图书馆。非常感谢您的阅读，如果您觉得这篇文章有用，请随意分享。