Pandas 為 Python 中數(shù)據(jù)分析提供了基礎(chǔ)和高級的構(gòu)建組件。Pandas 庫是用于數(shù)據(jù)分析與數(shù)據(jù)操作的最強大和最靈活的開源分析工具之一，并且它還提供了用于建模和操作表格數(shù)據(jù)（以行和列組織的數(shù)據(jù)）的數(shù)據(jù)結(jié)構(gòu)。

Pandas 庫有兩個主要的數(shù)據(jù)結(jié)構(gòu)：第一個是 “系列Series”，該數(shù)據(jù)結(jié)構(gòu)能夠很方便地從 Python 數(shù)組或字典中按位置或指定的索引名稱來檢索數(shù)據(jù)；第二個是“數(shù)據(jù)幀DataFrames”，該數(shù)據(jù)結(jié)構(gòu)將數(shù)據(jù)存儲在行和列中。列可以通過列名訪問，行通過索引訪問。列可以有不同類型的數(shù)據(jù)，包括列表、字典、序列、數(shù)據(jù)幀、NumPy 數(shù)組等。

Pandas 庫可以處理各種文件格式

有各種各樣的文件格式。用于數(shù)據(jù)分析的工具必須能夠提供處理各種文件格式的方法。

Pandas 可以讀取各種文件格式，例如 CSV 文件、JSON 文件、XML 文件、Parquet 文件、SQL 文件，詳見下表。

使用 Pandas 進(jìn)行數(shù)據(jù)清理

在現(xiàn)實場景中，很多數(shù)據(jù)集存在數(shù)據(jù)缺失、數(shù)據(jù)格式錯誤、錯誤數(shù)據(jù)或重復(fù)數(shù)據(jù)的情況，如果要對使數(shù)據(jù)分析更加準(zhǔn)確，就需要對這些沒有用的數(shù)據(jù)進(jìn)行處理。此外，數(shù)據(jù)還會有需要 屏蔽mask

Pandas 清洗空值：

a. 空行可以使用 ??df.dropna(inplace=True)?? 方法來刪除。

b. 空值可以使用 ??df.fillna(<value>, inplace=True)?? 方法來替換。還可以指定某一個列來替換該列的空數(shù)據(jù)。

Pandas 屏蔽數(shù)據(jù)：

c. 要屏蔽所有不滿足條件 ??my_list.where(my_list < 5)?? 的敏感數(shù)據(jù)的值，可以使用 ??my_list.mask(my_list < 5)??。

Pandas 清洗重復(fù)數(shù)據(jù)：

d. 要刪除重復(fù)數(shù)據(jù)，可以使用 ??drop_duplicates()?? 方法：

df.drop_duplicates(‘<column>’, keep = False)df.drop_duplicates(‘<column>’, keep = ‘first’)df.drop_duplicates(‘<column>’, keep = ‘last’)

使用 Pandas 進(jìn)行數(shù)據(jù)分析

下面的表格列出了 Pandas 中進(jìn)行數(shù)據(jù)分析的各種函數(shù)，以及其語法。（請注意：??df?? 代表一個 數(shù)據(jù)幀DataFrame

< 如顯示不全，請左右滑動 >

Pandas 的優(yōu)點

• 支持多索引（層次索引），方便分析多維數(shù)據(jù)。
• 支持?jǐn)?shù)據(jù)透視表的創(chuàng)建，堆棧和取消堆棧操作。
• 可以使用 Pandas 處理有限值的分類數(shù)據(jù)。
• 支持分組和聚合運算。
• 可以禁用排序。
• 支持行級過濾（獲取滿足過濾條件的行）和列級過濾（只選擇需要的列）。
• 有助于重塑數(shù)據(jù)集（數(shù)組的維度變換）。還可以轉(zhuǎn)置數(shù)組的值，并轉(zhuǎn)換為列表。當(dāng)你使用 Python 處理數(shù)據(jù)時，可以將 Pandas 數(shù)據(jù)幀轉(zhuǎn)換為多維 NumPy 數(shù)組。
• 支持面向標(biāo)簽的數(shù)據(jù)切片。

Pandas 的不足

Pandas 的代碼和語法與 Python 不同，所以人們需要額外再學(xué)習(xí) Pandas。此外，相較于 Pandas，像三維數(shù)據(jù)這樣的高維數(shù)據(jù)會在 NumPy 等其他庫有更好的處理。

總結(jié)

Pandas 能夠大幅提升數(shù)據(jù)分析的效率。它與其他庫的兼容性使它在其他 Python 庫中都能有效地使用。