喜欢的条友记得关注、点赞、转发、收藏，你们的支持就是我最大的动力源泉。
首先，你需要先安装Python程序和开发环境：
「Python3.11.0」手把手教你安装最新版Python运行环境
Python启航：30天编程速成之旅（第2天）-IDE安装
【Python教程】JupyterLab 开发环境安装
pandas 是 Python 编程语言中一个快速、强大、灵活且易于使用的开源数据分析和操作工具。
目前最新版本为：2.2.2
安装和更新方法：
# 安装：
pip install pandas
# 更新：
pip install -U pandas常用导入方式：
import pandas as pdpandas 中的基本数据结构
Pandas 提供了两种类型的类来处理数据：
- Series：包含任何类型的数据的一维标记数组
such as integers, strings, Python objects etc.例如整数、字符串、Python 对象等。
- DataFrame：一种二维数据结构，用于保存数据，如二维数组或具有行和列的表。
对象创建
通过传递值列表来创建 Series，让 pandas 创建默认的 RangeIndex。
import pandas as pd
data = pd.Series([10, 20, 30, 40, 50])
data运行结果：
通过使用 date_range() 和标记列传递带有日期时间索引的数组来创建 DataFrame：
import pandas as pd
# 使用date_range方法创建连续的日期
my_date = pd.date_range("20241001", periods=7)
my_date运行结果：
通过使用 date_range() 传递带有日期时间索引的 NumPy 数组来创建 DataFrame：
import pandas as pd
import numpy as np
# 使用date_range方法创建连续的日期
my_date = pd.date_range("20241001", periods=7)
# 传递带有日期时间索引的 NumPy 数组来创建 DataFrame
df = pd.DataFrame(np.random.randn(7, 4), index=my_date, columns=['第一次', '第二次', '第三次', '第四次'])
df运行结果：
通过传递对象字典来创建 DataFrame。
import pandas as pd
import numpy as np
df2 = pd.DataFrame(
{
"第一次": 100,
"第二次": pd.Timestamp("20241001"),
"第三次": pd.Series(50, index=list(range(4)), dtype="float64"),
"第四次": np.array('a' * 4, dtype="str"),
"第五次": pd.Categorical(["测试", "预测", "测试", "预测"]),
"第六次": ["真", "假", "真", "假"]
}
)
df2运行结果：
DataFrame 的每个列都有不用的类型：
df2.dtypes运行结果：
查看数据
使用 DataFrame.head() 和 DataFrame.tail() 分别查看数据的前5行和后5行。
查看前5行：
import pandas as pd
import numpy as np
# 使用date_range方法创建连续的日期
my_date = pd.date_range("20241001", periods=10)
# 传递带有日期时间索引的 NumPy 数组来创建 DataFrame
df = pd.DataFrame(np.random.randn(10, 4), index=my_date, columns=['第一次', '第二次', '第三次', '第四次'])
# 查看前5行
df.head()运行结果：
查看后5行：
import pandas as pd
import numpy as np
# 使用date_range方法创建连续的日期
my_date = pd.date_range("20241001", periods=10)
# 传递带有日期时间索引的 NumPy 数组来创建 DataFrame
df = pd.DataFrame(np.random.randn(10, 4), index=my_date, columns=['第一次', '第二次', '第三次', '第四次'])
# 查看后5行
df.tail()运行结果：
显示索引和列标签：
# 查看数据索引
df.index
# 查看列标签
df.columns运行结果：
使用 DataFrame.to_numpy() 返回Numpy格式的数据，不包含索引或列标签：
df.to_numpy()运行结果：
describe() 显示数据的快速统计数据摘要：
df.describe()运行结果：
转置数据：
df.T运行结果：
按轴排序：
df.sort_index(axis=1, ascending=False)运行结果：
按值排序：
df.sort_values(by="第一次")运行结果：
喜欢的条友记得关注、点赞、转发、收藏，你们的支持就是我最大的动力源泉。