Pandas PyPI 安装与使用指南 – wiki基地

作者： /

Pandas PyPI 安装与使用指南

Pandas 是 Python 编程语言中一个功能强大、灵活且易于使用的数据分析和处理库。它提供了高效的数据结构，如 DataFrame 和 Series，使得处理结构化数据变得异常简单。无论是数据清洗、转换、聚合还是可视化，Pandas 都是数据科学家和分析师不可或缺的工具。

本文将详细介绍如何通过 PyPI 安装 Pandas，并提供一份全面的使用指南，帮助您快速上手。

1. 什么是 Pandas？

Pandas 的核心是其数据结构：

  • Series (序列)：一维带标签的数组，可以存储任何数据类型（整数、字符串、浮点数、Python 对象等）。它类似于 Excel 中的一列数据或 SQL 表中的一个字段。
  • DataFrame (数据帧)：二维带标签的数据结构，具有不同的列类型。它类似于 Excel 工作表、SQL 表或一系列 Series 对象的字典。这是 Pandas 中最常用的数据结构，也是数据分析的主要工作对象。

Pandas 建立在 NumPy 库之上，因此它具有处理大型数据集的高性能特性。

2. 环境准备

在安装 Pandas 之前，请确保您的系统已安装 Python 和 pip（Python 的包管理器）。

  • Python: 建议使用 Python 3.7 或更高版本。
  • pip: 通常随 Python 一同安装。您可以通过运行 pip --version 来检查其是否可用。如果未安装，请参考 Python 官方文档进行安装。

3. Pandas 安装 (PyPI)

通过 PyPI (Python Package Index) 安装 Pandas 是最常用和推荐的方式。打开您的终端或命令提示符，然后运行以下命令：

bash
pip install pandas

这将会下载并安装最新稳定版本的 Pandas 及其所有必要的依赖项，如 NumPy。

验证安装

安装完成后，您可以在 Python 解释器中验证 Pandas 是否成功安装：

python
import pandas as pd
print(pd.__version__)

如果成功打印出 Pandas 的版本号，则表示安装成功。

4. Pandas 基础使用

4.1. 导入 Pandas

通常，我们会将 Pandas 导入并约定俗成地使用别名 pd，这使得代码更简洁：

python
import pandas as pd

4.2. 创建 Series

Series 可以从列表、NumPy 数组或字典创建：

“`python

从列表创建 Series

s = pd.Series([1, 3, 5, 7, 9])
print(“Series from list:\n”, s)

从 NumPy 数组创建 Series

import numpy as np
arr = np.array([10, 20, 30, 40])
s_np = pd.Series(arr)
print(“\nSeries from NumPy array:\n”, s_np)

从字典创建 Series (键将作为索引)

d = {‘a’: 100, ‘b’: 200, ‘c’: 300}
s_dict = pd.Series(d)
print(“\nSeries from dictionary:\n”, s_dict)
“`

输出：

“`
Series from list:
0 1
1 3
2 5
3 7
4 9
dtype: int64

Series from NumPy array:
0 10
1 20
2 30
3 40
dtype: int64

Series from dictionary:
a 100
b 200
c 300
dtype: int64
“`

4.3. 创建 DataFrame

DataFrame 可以从字典、列表的列表或 NumPy 数组等多种数据源创建。最常见的是从字典创建，其中字典的键会成为列名：

“`python

从字典创建 DataFrame

data = {
‘Name’: [‘Alice’, ‘Bob’, ‘Charlie’, ‘David’],
‘Age’: [25, 30, 35, 28],
‘City’: [‘New York’, ‘Paris’, ‘London’, ‘Berlin’]
}
df = pd.DataFrame(data)
print(“DataFrame from dictionary:\n”, df)

指定索引

df_indexed = pd.DataFrame(data, index=[‘A’, ‘B’, ‘C’, ‘D’])
print(“\nDataFrame with custom index:\n”, df_indexed)
“`

输出：

“`
DataFrame from dictionary:
Name Age City
0 Alice 25 New York
1 Bob 30 Paris
2 Charlie 35 London
3 David 28 Berlin

DataFrame with custom index:
Name Age City
A Alice 25 New York
B Bob 30 Paris
C Charlie 35 London
D David 28 Berlin
“`

4.4. 基本操作

  • 查看数据：head(), tail(), info(), describe()

    python
    print("\nFirst 2 rows:\n", df.head(2))
    print("\nLast 1 row:\n", df.tail(1))
    df.info() # 获取 DataFrame 的摘要信息，包括数据类型和非空值数量
    print("\nDescriptive statistics:\n", df.describe()) # 数值列的描述性统计

  • 选择列：

    python
    print("\nSelect 'Name' column:\n", df['Name']) # 返回 Series
    print("\nSelect 'Name' and 'City' columns:\n", df[['Name', 'City']]) # 返回 DataFrame

  • 选择行 (基于索引)：loc (基于标签), iloc (基于位置)

    python
    print("\nSelect row with index 0 (using iloc):\n", df.iloc[0])
    print("\nSelect row with index 'A' (using loc on df_indexed):\n", df_indexed.loc['A'])

5. Pandas 进阶使用

5.1. 从文件读取数据

Pandas 支持读取多种文件格式，如 CSV, Excel, SQL 数据库等。CSV (Comma Separated Values) 是最常见的：

“`python

假设有一个名为 ‘data.csv’ 的文件，内容如下：

Name,Age,City

Emily,22,Miami

Frank,40,Seattle

将以下内容保存为 data.csv 到您的工作目录中

import os

with open(‘data.csv’, ‘w’) as f:

f.write(“Name,Age,City\n”)

f.write(“Emily,22,Miami\n”)

f.write(“Frank,40,Seattle\n”)

df_csv = pd.read_csv(‘data.csv’)
print(“\nDataFrame from data.csv:\n”, df_csv)
“`

5.2. 数据清洗和预处理

  • 处理缺失值：isnull(), dropna(), fillna()

    “`python

    创建一个包含缺失值的 DataFrame

    df_missing = pd.DataFrame({
    ‘A’: [1, 2, np.nan, 4],
    ‘B’: [5, np.nan, 7, 8],
    ‘C’: [9, 10, 11, 12]
    })
    print(“\nDataFrame with missing values:\n”, df_missing)

    print(“\nMissing values check:\n”, df_missing.isnull())
    print(“\nDrop rows with any missing values:\n”, df_missing.dropna())
    print(“\nFill missing values with 0:\n”, df_missing.fillna(0))
    print(“\nFill missing values with mean of column A:\n”, df_missing[‘A’].fillna(df_missing[‘A’].mean()))
    “`

  • 数据类型转换：astype()

    python
    df['Age'] = df['Age'].astype(float)
    print("\nAge column after type conversion:\n", df.dtypes)

5.3. 数据筛选和查询

“`python

筛选年龄大于 30 的数据

df_filtered_age = df[df[‘Age’] > 30]
print(“\nPeople older than 30:\n”, df_filtered_age)

筛选居住在 ‘New York’ 的人

df_ny = df[df[‘City’] == ‘New York’]
print(“\nPeople from New York:\n”, df_ny)

组合条件

df_complex_filter = df[(df[‘Age’] > 28) & (df[‘City’] == ‘Paris’)]
print(“\nPeople older than 28 and from Paris:\n”, df_complex_filter)
“`

5.4. 数据聚合 (Group By)

groupby() 方法用于根据一个或多个列对数据进行分组，然后对每个组执行聚合操作（如求和、平均值、计数等）。

“`python

假设有更多数据

data_more = {
‘City’: [‘New York’, ‘Paris’, ‘London’, ‘Berlin’, ‘New York’, ‘London’],
‘Sales’: [100, 150, 200, 120, 110, 180]
}
df_sales = pd.DataFrame(data_more)
print(“\nSales DataFrame:\n”, df_sales)

按城市分组并计算总销售额

city_sales = df_sales.groupby(‘City’)[‘Sales’].sum()
print(“\nTotal sales by city:\n”, city_sales)

按城市分组并计算平均销售额

city_avg_sales = df_sales.groupby(‘City’)[‘Sales’].mean()
print(“\nAverage sales by city:\n”, city_avg_sales)
“`

6. 总结

Pandas 是 Python 数据分析生态系统中的基石。通过本文的指南，您应该已经掌握了 Pandas 的基本安装方法和核心使用技巧。从创建 Series 和 DataFrame，到进行数据清洗、筛选和聚合，Pandas 提供了直观且高效的 API 来处理各种数据分析任务。

随着您对 Pandas 的深入学习和实践，您会发现它在数据科学工作流程中的巨大价值。建议查阅 Pandas 官方文档以获取更详细的功能和高级用法。

滚动至顶部