AI编程时代更需要的底层能力培养,Python数据分析(二) | Pandas基础教程+面试题串讲

• Pandas数据结构：Series基础、DataFrame基础
• Pandas数据处理：数据读取与写入、数据选择与索引、数据清洗
• Pandas统计分析：数据运算与统计分析、分组与聚合（GroupBy）、数据合并与拼接

pip install pandas #不指定版本号，默认安装最新版pip install pandas==<版本号> #指定版本号

import pandas as pd

s = pd.Series([10, 20, 30, 40])print(s)# 输出010120230340dtype: int64

s = pd.Series([10, 20, 30], index=['a', 'b', 'c'])

s.values #查看series的各元素值s.index #查看series的各元素索引

data = {'name': ['Tom', 'Jack', 'Rose'],'age': [18, 20, 19]}df = pd.DataFrame(data)

df.head() #查看头5行df.tail() #查看末5行df.shape #查看行列数df.columns #查看各列名df.index #查看索引

df.columns = ['姓名', '年龄']

df = pd.read_csv('data.csv')

df.to_csv('output.csv', index=False)

df['name']df[['name', 'age']]

df.iloc[0]df.iloc[0:2]df.iloc[0, 1]

df.loc[0]df.loc[0:2, 'name']

df[df['age'] > 18]

df.isnull() #发现空值位置并返回布尔值，用于进一步处理数据df.dropna() #去除空值，可以在()中通过条件筛选指定去除的区域（条件筛选我们在上一篇讲过啦）df.fillna(0) #用0填充空值

df.duplicated() #检测是否是重复行，返回布尔值，用于进一步处理数据df.drop_duplicates() #去除重复行

df['age'] = df['age'].astype(int) #age字段转换为整型

df.describe() # 返回该dataframe的各项统计值

df['age'].mean()df['age'].max()df['age'].min()

df.sort_values(by='age')

df['age_plus'] = df['age'] + 1

df.groupby('gender')

#按性别分组，计算每组的年龄均值df.groupby('gender')['age'].mean()

#按性别分组，计算每组年龄的均值、最大值、最小值df.groupby('gender').agg({'age': ['mean', 'max', 'min']})

pd.merge(df1, df2, on='id')

pd.concat([df1, df2])

import pandas as pdnames = ['Tom', 'Jack', 'Rose', 'Lucy']scores = [85, 59, 90, 72]df = pd.DataFrame({'name': names,'score': scores})

df[df['score'] < 60]

defgrade(x):if x >= 90:return'A'elif x >= 70:return'B'else:return'C'df['grade'] = df['score'].apply(grade)

df['score'].mean()df['score'].std()

已经读到这里啦，来个点赞、喜欢和关注吧~

期待你在评论区分享想法和见解，也欢迎交个朋友。

想要第一时间收到推送，可以给我一个星标⭐哦！

你们的支持和鼓励，是我持续更新的最大动力 ❥(^_-)

df.loc[df.groupby('class')['score'].idxmax()]

df['category'].value_counts()

df[(df['score'] > 80) & (df['age'] > 18)]