pandas基礎介紹

admin

pandas，也有人稱它為Python界的Excel試算表，pandas在某個程度上填補了Python在資料分析及建模上的缺口，它結合NumPy（Numerical Python的簡稱）的特性，以及試算表和關連式資料庫（SQL）的資料操作能力，可以用來對資料進行重構、切割、聚合及選擇子集合等操作。
透過pandas套件的使用，你可以比單純使用Python輕鬆的完成資料分析的工作，並可以讓你快速的發現資料中的資訊以及其中蘊藏的意義。

有時候，使用pandas時也可能會用到其他的Python 程式庫。例如與數值與科學運算有關的SciPy以前面提過的NumPy，與統計分析有關的StatsModels，與機器學習有關的 scikit-learn，與資料視學化有關的 matplotlib 及 seaborn 等等。
嚴格來說，pandas不算是資料科學的工具。
精確的來說，pandas是資料科學分析工具前階段的工具。你可以藉由它敲開資料科學領域的大門。
Pandas Series序列
序列（Series）是一個像是一維陣列資料所組成的物件。我們可以利用python的串列（list）建立一個序列（Series）：

1. import pandas as pd

複製代碼

在pandas裡面，最重要的兩個基本資料結構就屬Series與DataFrame了。要暸解pandas，一定不可以不知道這兩個的概念。
Series，是一個一維標籤陣列物件。
DataFrame則是一個以表格、欄位為主的資料結構，有行與列標籤。接下來我們要簡單介紹這兩個概念。

1. s = pd.Series([1, 2, 3, 4])

複製代碼

s = pd.Series(list("abcdef"), index=[49, 48, 47, 0, 1, 2])
49    a
48    b
47    c
0     d
1     e
2     f

>>> s.loc[0]    # value at index label 0
'd'

>>> s.iloc[0]   # value at index location 0
'a'

>>> s.loc[0:1]  # rows at index labels between 0 and 1 (inclusive)
0    d
1    e

>>> s.iloc[0:1] # rows at index location between 0 and 1 (exclusive)
49    a

1. df = pd.read_excel('檔案名稱')

複製代碼

• loc gets rows (and/or columns) with particular labels.
• iloc gets rows (and/or columns) at integer locations.
  
  

Pandas DataFrame資料框
pandas的基本結構是DataFrame，DataFrame是一個二維的資料結構，有行有列，有點像excel試算表中的儲存表格。每個欄位可以是不同的資料型態，例如數字、字串、布林等。你也可以把DataFrame想像成是裝了很多Series物件的字典，而且每個Series物件使用相同的index。

建立DataFrame
建立DataFrame的方法有很多種。你可以用串列list建立，也可以用字典dict建立，或者是使用前面提到的Numpy來建立。
載入資料

DataFrame在更多的使用情境上，常常是先讀取外部的檔案後，再透過pandas進行資料的分析處理。pandas提供了簡單的語法讓我們可以快速的載入資料。包括csv、excel、sql、json、 html等，甚至於可以透過剪貼簿讀取資料：


如上表，如果你想要載入excel檔案，可以這樣寫：

1. df = pd.read_excel('檔案名稱')

複製代碼

操作DataFrame

# head()

如果資料太長，我們可以使用head()方法來選取資料開頭前幾個row。預設是五個row。如果你覺得五個row太長，可以試著輸入數字，例如head(3)就是顯示三行的意思。gia, Cambria, "]如果資料太長，我們可以使用head()方法來選取資料開頭前幾個row。預設是五個row。如果你覺得五個row太長，可以試著輸入數字，例如head(3)就是顯示三行的意思。# 調整欄位順序

如果將欄位以序列方法指定的話，DataFrame就會按照指定的順序排好。要達到這個效果，可以使用columns來指定欄位的順序。

# 取回資料

DataFrame可以用類似dict的方法來取回資料。取回資料的資料型態是Series。也可以透過loc屬性取回資料。透過loc屬性取資料時，需要指定位置或名稱。除了使用loc屬性外，也可以使用iloc取回資料。
>>> df = pd.DataFrame(np.arange(25).reshape(5, 5),  
                      index=list('abcde'),
                      columns=['x','y','z', 8, 9])
>>> df
    x   y   z   8   9
a   0   1   2   3   4
b   5   6   7   8   9
c  10  11  12  13  14
d  15  16  17  18  19
e  20  21  22  23  24
>>> df.iloc[:df.index.get_loc('c') + 1, :4]
    x   y   z   8
a   0   1   2   3
b   5   6   7   8
c  10  11  12  13

get_loc() is an index method meaning "get the position of the label in this index". Note that since slicing with iloc is exclusive of its endpoint, we must add 1 to this value if we want row 'c' as well.

# 儲存資料

pandas讓我們可以快速的透過下面語法儲存資料。