Pandas入门详细教程

时间: 2022-12-07 19:11:08

(部分内容来自网络，其真实性存疑，为了避免对您造成误导，请谨慎甄别。)

pandas，python+data+analysis的组合缩写，是python中基于numpy和matplotlib的第三方数据分析库，与后两者共同构成了python数据分析的基础工具包，享有数分三剑客之名。

正因为pandas是在numpy基础上实现，其核心数据结构与numpy的ndarray十分相似，但pandas与numpy的关系不是替代，而是互为补充。二者之间主要区别是：

• 从数据结构上看：

• 
  

• numpy的核心数据结构是ndarray，支持任意维数的数组，但要求单个数组内所有数据是同质的，即类型必须相同；而pandas的核心数据结构是series和dataframe，仅支持一维和二维数据，但数据内部可以是异构数据，仅要求同列数据类型一致即可

• numpy的数据结构仅支持数字索引，而pandas数据结构则同时支持数字索引和标签索引

• 从功能定位上看：

• numpy虽然也支持字符串等其他数据类型，但仍然主要是用于数值计算，尤其是内部集成了大量矩阵计算模块，例如基本的矩阵运算、线性代数、fft、生成随机数等，支持灵活的广播机制

• pandas主要用于数据处理与分析，支持包括数据读写、数值计算、数据处理、数据分析和数据可视化全套流程操作

pandas主要面向数据处理与分析，主要具有以下功能特色：

• 按索引匹配的广播机制，这里的广播机制与numpy广播机制还有很大不同

• 便捷的数据读写操作，相比于numpy仅支持数字索引，pandas的两种数据结构均支持标签索引，包括bool索引也是支持的

• 类比SQL的join和groupby功能，pandas可以很容易实现SQL这两个核心功能，实际上，SQL的绝大部分DQL和DML操作在pandas中都可以实现

• 类比Excel的数据透视表功能，Excel中最为强大的数据分析工具之一是数据透视表，这在pandas中也可轻松实现

• 自带正则表达式的字符串向量化操作，对pandas中的一列字符串进行通函数操作，而且自带正则表达式的大部分接口

• 丰富的时间序列向量化处理接口

• 常用的数据分析与统计功能，包括基本统计量、分组统计分析等

• 集成matplotlib的常用可视化接口，无论是series还是dataframe，均支持面向对象的绘图接口

参考链接：https://blog.csdn.net/lemonbit/article/details/106964657