共计 2861 个字符，预计需要花费 8 分钟才能阅读完成。
摘要：Python 是开源的，所以有很多开源固有的问题。如果你是 Python 新手，很难知道针对特定任务的包哪个是最好的。你需要有经验的人来告诉你。今天我要告诉你们的是：在数据科学中，有一个软件包是你们绝对需要学习的，那就是 pandas。
而 pandas 真正有趣的地方是，很多其他的包也在里面。pandas 是一个核心包，因此它具有来自其他各种包的特性。
pandas 类似于 Python 中的 Excel：它使用表 (即 DataFrame) 并对数据进行转换，但它还能做更多。
如果你已经熟悉 Python，可以直接进入第三部分
现在让我们开始：
import pandas as pd
pandas 包最基本的功能
1、读取数据：
data = pd.read_csv(‘my_file.csv’)
data=pd.read_csv(‘my_file.csv’,sep=’;’,encoding=’latin-1′,nrows=1000, kiprows=[2,5])
sep 变量代表分隔符。因为 Excel 中的 csv 分隔符是“;”，因此需要显示它。编码设置为“latin-1”以读取法语字符。nrows=1000 表示读取前 1000 行。skiprows=[2,5]表示在读取文件时将删除第 2 行和第 5 行
最常用的函数：read_csv, read_excel
还有一些很不错的函数：read_clipboard、read_sql
2、写入数据
data.to_csv(‘my_new_file.csv’, index=None)
index=None 将简单地按原样写入数据。如果你不写 index=None，会得到额外的行。
我通常不使用其他函数，比如 to_excel，to_json，to_pickle，to_csv，虽然它们也做得很好，但是 csv 是保存表最常用的方法。
3、检查数据：
data.shape
data.describe()
data.head(3)
.head(3)打印数据的前 3 行，.tail()函数将查看数据的最后一行。
data.loc[8]
打印第 8 行。
data.loc[8, ‘column_1’]
将第 8 行值打印在“column_1”上。
data.loc[range(4,6)]
打印第 4 行到第 6 行。
pandas 的初级功能
1、逻辑运算
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’)]
如果要根据逻辑操作对数据进行运算，在使用 & (AND)、~ (NOT)和 | (OR)等逻辑操作之前和之后添加“(”&“)”。
data[data[‘column_1’].isin([‘french’, ‘english’])]
不要为同一列编写多个 OR，最好是使用.isin()函数。
2、基本绘图
多亏了 matplotlib 包，这个特性才得以实现。就像我们在介绍中说的，它可以直接用在 pandas 身上。
data[‘column_numerical’].plot()
data[‘column_numerical’].hist()
绘制分布图(直方图)
%matplotlib inline
如果你使用 Jupyter，在绘图之前，不要忘记写这一行(在代码中只写一次)
3、更新数据
data.loc[8, ‘column_1’] = ‘english’
将 ’ column_1 ‘ 的第 8 行值替换为 ’ english ‘
data.loc[data[‘column_1′]==’french’, ‘column_1’] = ‘French’
在一行中更改多行值
pandas 的中级功能
现在你可以做一些在 Excel 中很容易做的事情。让我们来挖掘一些在 Excel 中做不到的神奇事情。
1、计算功能
data[‘column_1’].value_counts()
2、对全行、全列或所有数据的操作
data[‘column_1’].map(len)
len()函数应用于“column_1”的每个元素
map()操作将一个函数应用于列的每个元素。
data[‘column_1’].map(len).map(lambda x : x/100).plot()
pandas 的另一个特点是进行链式操作。它可以帮助你在一行代码中执行多个操作，从而更加简单和高效。
data.apply(sum)
.apply()将函数应用于列。
.applymap()将一个函数应用于表 (DataFrame) 中的所有单元格。
3、tqdm 包
在处理大型数据集时，pandas 可能需要一些时间来运行.map()、.apply()、.applymap()操作。tqdm 是一个非常有用的包，它可以帮助预测这些操作何时完成。
from tqdm import tqdm_notebook
tqdm_notebook().pandas()
用 pandas 设置 tqdm
data[‘column_1’].progress_map(lambda x : x.count(‘e’))
将.map()替换为.progress_map()，.apply()和.applymap()也是一样
4、相关矩阵和散射矩阵
data.corr()
data.corr().applymap(lambda x : int(x*100)/100)
pd.plotting.scatter_matrix(data, figsize=(12,8))
pandas 的高级功能
1、行列合并
在 pandas 中，行列合并非常简单。
data.merge(other_data, on=[‘column_1’, ‘column_2’, ‘column_3’])
合并 3 列只需要一行代码
2、分组
分组一开始并不简单，但是如果掌握其语法，你将发现这非常简单。
data.groupby(‘column_1’)[‘column_2’].apply(sum).reset_index()
按列分组，选择要在其上操作函数的另一列。reset_index()将数据重新生成 DataFrame(表)
3、遍历行
dictionary = {}
for i,row in data.iterrows()：
dictionary[row[‘column_1’]] = row[‘column_2’]
iterrows()循环两个变量：行索引和行(上面代码中的 i 和 row)。
总体来说，pandas 是一个帮助数据科学家快速阅读和理解数据的工具包，它也可以说是 Python 如此优秀的原因之一。我还可以展示更多 pandas 包其他有趣的特点，但以上所述足以让人理解为什么数据科学家离不开 pandas 包。总之，pandas 包有以下特点：
1、简单易用，隐藏了所有复杂和抽象的计算；
2、非常直观；
3、快速。
本文作者：【方向】阅读原文
本文为云栖社区原创内容，未经允许不得转载。
