Pandas教程

Pandas 是为了解决数据分析任务而创建的一种基于 NumPy 的工具包，囊括了许多其他工具包的功能，具有易用、直观、快速等优点。要想成为一名高效的数据科学家，不会 Pandas 怎么行？

import pandas as pd

data = pd.read_csv( my_file.csv )
data = pd.read_csv( my_file.csv , sep= ; , encoding= latin-1 , nrows=1000, skiprows=[2,5])

• 最常用的功能：read_csv, read_excel

• 其他一些很棒的功能：read_clipboard, read_sql

data.to_csv( my_new_file.csv , index=None)

Gives (#rows, #columns)

data.describe()

data.head(3)

data.loc[8]

data.loc[8,  column_1 ]

data.loc[range(4,6)]

data[data[ column_1 ]== french ]
data[(data[ column_1 ]== french ) & (data[ year_born ]==1990)]
data[(data[ column_1 ]== french ) & (data[ year_born ]==1990) & ~(data[ city ]== London )]

data[data[ column_1 ].isin([ french ,  english ])]

data[ column_numerical ].plot()

data[ column_numerical ].hist()

%matplotlib inline

data.loc[8,  column_1 ] =  english
将第八行名为 column_1 的列替换为「english」

data.loc[data[ column_1 ]== french ,  column_1 ] =  French

data[ column_1 ].value_counts()

data[ column_1 ].map(len)

data[ column_1 ].map(len).map(lambda x: x/100).plot()

data.apply(sum)

from tqdm import tqdm_notebook
tqdm_notebook().pandas()

data[ column_1 ].progress_map(lambda x: x.count( e ))

data.corr()
data.corr().applymap(lambda x: int(x*100)/100)

pd.plotting.scatter_matrix(data, figsize=(12,8))

data.merge(other_data, on=[ column_1 ,  column_2 ,  column_3 ])

data.groupby( column_1 )[ column_2 ].apply(sum).reset_index()

dictionary = {}

for i,row in data.iterrows():
 dictionary[row[ column_1 ]] = row[ column_2 ]

• 易用，将所有复杂、抽象的计算都隐藏在背后了；

• 直观；

• 快速，即使不是最快的也是非常快的。

它有助于数据科学家快速读取和理解数据，提高其工作效率。