Pandas教程

Pandas是一款开放源码的BSD许可的Python库,为Python编程语言提供了高性能,易于使用的数据结构和数据分析工具。Pandas用于广泛的领域,包括金融,经济,统计,分析等学术和商业领域。在本教程中,我们将学习Python Pandas的各种功能以及如何在实践中使用它们。

Python Pandas的官方网站是: http://pandas.pydata.org/ ,打开后如下所示 -

Python Pandas教程

Pandas库的介绍

Pandas是一个开放源码的Python库,它使用强大的数据结构提供高性能的数据操作和分析工具。它的名字:Pandas是从Panel Data - 多维数据的计量经济学(an Econometrics from Multidimensional data)。

2008年,为满足需要高性能,灵活的数据分析工具,开发商Wes McKinney开始开发Pandas

Pandas之前,Python主要用于数据迁移和准备。它对数据分析的贡献更小。 Pandas解决了这个问题。 使用Pandas可以完成数据处理和分析的五个典型步骤,而不管数据的来源 - 加载,准备,操作,模型和分析。

Python Pandas用于广泛的领域,包括金融,经济,统计,分析等学术和商业领域。

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。

读者

本教程为准备学习Pandas基础知识和各种功能的人员而做准备的。它对数据清理和分析的人员特别有用。 完成本教程之后,将发现自己处于适度的专业知识水平,可以从中获得更高水平的专业知识。

先决条件

要求对计算机编程术语有一个基本的了解。 对任何编程语言的基本了解是一个加分。Pandas库使用NumPy的大部分功能。建议在继续本教程之前,先阅读NumPy的教程( http://www.vcclass.net/numpy/ )。


猿狮妹
2022-08-08
Pandas Python Pandas Pandas教程 编程课程
热门教程
1 Pandas教程 Pandas是一款开放源码的BSD许可的Python库,为Python编程语言提供了高性能,易于使用的数据结构和数据分析工具。Pandas用于广泛的领域,包括金融,经济,统计,分析等学术和商业领域。
2 Pandas环境安装配置 标准的Python发行版并没有将Pandas模块捆绑在一起发布。安装Pandas模块的一个轻量级的替代方法是使用流行的Python包安装程序,pip来安装NumPy。 pip install p
3 Pandas数据结构 Pandas处理以下三个数据结构 - 系列(Series)数据帧(DataFrame)面板(Panel) 这些数据结构构建在Numpy数组之上,这意味着它们很快。 维数和描述考虑这些数
4 Pandas快速入门 这是一个Pandas快速入门教程,主要面向新用户。这里主要是为那些喜欢“短平快”的读者准备的,有兴趣的读者可通过其它教程文章来一步一步地更复
5 Pandas系列 系列(Series)是能够保存任何类型的数据(整数,字符串,浮点数,Python对象等)的一维标记数组。轴标签统称为索引。 pandas.SeriesPandas系列可以使用以下构
6 Pandas数据帧(DataFrame) 数据帧(DataFrame)是二维数据结构,即数据以行和列的表格方式排列。 数据帧(DataFrame)的功能特点: 潜在的列是不同的类型大小可变标记轴(行和列)可
7 Pandas面板(Panel) 面板(Panel)是3D容器的数据。面板数据一词来源于计量经济学,部分源于名称:Pandas - pan(el)-da(ta)-s。 3轴(axis)这个名称旨在给出描述涉及面板数据的操作
8 Pandas基本功能 到目前为止,我们了解了三种Pandas数据结构以及如何创建它们。接下来将主要关注数据帧(DataFrame)对象,因为它在实时数据处理中非常重要,并且还讨论
9 Pandas描述性统计 有很多方法用来集体计算DataFrame的描述性统计信息和其他相关操作。 其中大多数是sum(),mean()等聚合函数,但其中一些,如sumsum(),产生一个相同大小的
10 Pandas函数应用 要将自己或其他库的函数应用于Pandas对象,应该了解三种重要的方法。以下讨论了这些方法。 使用适当的方法取决于函数是否期望在整个DataFrame,行或
  • Copyright © 2021 猿狮院, All rights reserved.