整理一套pandas詳細(xì)教程，希望對(duì)你有幫助！
來(lái)源：機(jī)器之心
Python 是開(kāi)源的，它很棒，但是也無(wú)法避免開(kāi)源的一些固有問(wèn)題：很多包都在做（或者在嘗試做）同樣的事情。如果你是 Python 新手，那么你很難知道某個(gè)特定任務(wù)的最佳包是哪個(gè)，你需要有經(jīng)驗(yàn)的人告訴你。有一個(gè)用于數(shù)據(jù)科學(xué)的包絕對(duì)是必需的，它就是 pandas。
pandas 最有趣的地方在于里面隱藏了很多包。它是一個(gè)核心包，里面有很多其他包的功能。這點(diǎn)很棒，因?yàn)槟阒恍枰褂?pandas 就可以完成工作。
pandas 相當(dāng)于 python 中 excel：它使用表（也就是 dataframe)，能在數(shù)據(jù)上做各種變換，但還有其他很多功能。
如果你早已熟知 python 的使用，可以直接跳到第三段。
讓我們開(kāi)始吧!
pandas 最基本的功能
讀取數(shù)據(jù)
data?=?pd.read_csv(?my_file.csv?)
data?=?pd.read_csv(?my_file.csv?,?sep=?;?,?encoding=?latin-1?,?nrows=1000,?skiprows=[2,5])
sep 代表的是分隔符。如果你在使用法語(yǔ)數(shù)據(jù)，excel 中 csv 分隔符是「;」，因此你需要顯式地指定它。編碼設(shè)置為 latin-1 來(lái)讀取法語(yǔ)字符。nrows=1000 表示讀取前 1000 行數(shù)據(jù)。skiprows=[2,5] 表示你在讀取文件的時(shí)候會(huì)移除第 2 行和第 5 行。
最常用的功能：read_csv, read_excel
其他一些很棒的功能：read_clipboard, read_sql
寫(xiě)數(shù)據(jù)
data.to_csv(?my_new_file.csv?,?index=None)
index=None 表示將會(huì)以數(shù)據(jù)本來(lái)的樣子寫(xiě)入。如果沒(méi)有寫(xiě) index=None，你會(huì)多出一個(gè)第一列，內(nèi)容是 1，2，3，...，一直到最后一行。
我通常不會(huì)去使用其他的函數(shù)，像.to_excel, .to_json, .to_pickle 等等，因?yàn)?to_csv 就能很好地完成工作，并且 csv 是最常用的表格保存方式。
檢查數(shù)據(jù)
Gives?(#rows,?#columns)
給出行數(shù)和列數(shù)
data.describe()
計(jì)算基本的統(tǒng)計(jì)數(shù)據(jù)
查看數(shù)據(jù)
data.head(3)
打印出數(shù)據(jù)的前 3 行。與之類(lèi)似，.tail() 對(duì)應(yīng)的是數(shù)據(jù)的最后一行。
data.loc[8]
打印出第八行
data.loc[8,??column_1?]
打印第八行名為「column_1」的列
data.loc[range(4,6)]
第四到第六行（左閉右開(kāi)）的數(shù)據(jù)子集
pandas 的基本函數(shù)
邏輯運(yùn)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?)]
通過(guò)邏輯運(yùn)算來(lái)取數(shù)據(jù)子集。要使用 & (AND)、 ~ (NOT) 和 | (OR)，必須在邏輯運(yùn)算前后加上「and」。
data[data[?column_1?].isin([?french?,??english?])]
除了可以在同一列使用多個(gè) OR，你還可以使用.isin() 函數(shù)。
基本繪圖
matplotlib 包使得這項(xiàng)功能成為可能。正如我們?cè)诮榻B中所說(shuō)，它可以直接在 pandas 中使用。
data[?column_numerical?].plot()
（）.plot() 輸出的示例
data[?column_numerical?].hist()
畫(huà)出數(shù)據(jù)分布（直方圖）
.hist() 輸出的示例
%matplotlib?inline
如果你在使用 Jupyter，不要忘記在畫(huà)圖之前加上以上代碼。
更新數(shù)據(jù)
data.loc[8,??column_1?]?=??english
將第八行名為?column_1?的列替換為「english」
data.loc[data[?column_1?]==?french?,??column_1?]?=??French
在一行代碼中改變多列的值
好了，現(xiàn)在你可以做一些在 excel 中可以輕松訪問(wèn)的事情了。下面讓我們深入研究 excel 中無(wú)法實(shí)現(xiàn)的一些令人驚奇的操作吧。
中級(jí)函數(shù)
統(tǒng)計(jì)出現(xiàn)的次數(shù)
data[?column_1?].value_counts()
.value_counts() 函數(shù)輸出示例
在所有的行、列或者全數(shù)據(jù)上進(jìn)行操作
data[?column_1?].map(len)
len() 函數(shù)被應(yīng)用在了「column_1」列中的每一個(gè)元素上
.map() 運(yùn)算給一列中的每一個(gè)元素應(yīng)用一個(gè)函數(shù)
data[?column_1?].map(len).map(lambda?x:?x/100).plot()
pandas 的一個(gè)很好的功能就是鏈?zhǔn)椒椒ǎ╤ttps://tomaugspurger.github.io/method-chaining）。它可以幫助你在一行中更加簡(jiǎn)單、高效地執(zhí)行多個(gè)操作（.map() 和.plot()）。
data.apply(sum)
.apply() 會(huì)給一個(gè)列應(yīng)用一個(gè)函數(shù)。
.applymap() 會(huì)給表 (DataFrame) 中的所有單元應(yīng)用一個(gè)函數(shù)。
tqdm, 唯一的
在處理大規(guī)模數(shù)據(jù)集時(shí)，pandas 會(huì)花費(fèi)一些時(shí)間來(lái)進(jìn)行.map()、.apply()、.applymap() 等操作。tqdm 是一個(gè)可以用來(lái)幫助預(yù)測(cè)這些操作的執(zhí)行何時(shí)完成的包（是的，我說(shuō)謊了，我之前說(shuō)我們只會(huì)使用到 pandas）。
from?tqdm?import?tqdm_notebook
tqdm_notebook().pandas()
用 pandas 設(shè)置 tqdm
data[?column_1?].progress_map(lambda?x:?x.count(?e?))
用 .progress_map() 代替.map()、.apply() 和.applymap() 也是類(lèi)似的。
在 Jupyter 中使用 tqdm 和 pandas 得到的進(jìn)度條
相關(guān)性和散射矩陣
data.corr()
data.corr().applymap(lambda?x:?int(x*100)/100)
.corr() 會(huì)給出相關(guān)性矩陣
pd.plotting.scatter_matrix(data,?figsize=(12,8))
散點(diǎn)矩陣的例子。它在同一幅圖中畫(huà)出了兩列的所有組合。
pandas 中的高級(jí)操作
The SQL 關(guān)聯(lián)
在 pandas 中實(shí)現(xiàn)關(guān)聯(lián)是非常非常簡(jiǎn)單的
data.merge(other_data,?on=[?column_1?,??column_2?,??column_3?])
關(guān)聯(lián)三列只需要一行代碼
分組
一開(kāi)始并不是那么簡(jiǎn)單，你首先需要掌握語(yǔ)法，然后你會(huì)發(fā)現(xiàn)你一直在使用這個(gè)功能。
data.groupby(?column_1?)[?column_2?].apply(sum).reset_index()
按一個(gè)列分組，選擇另一個(gè)列來(lái)執(zhí)行一個(gè)函數(shù)。.reset_index() 會(huì)將數(shù)據(jù)重構(gòu)成一個(gè)表。
正如前面解釋過(guò)的，為了優(yōu)化代碼，在一行中將你的函數(shù)連接起來(lái)。
行迭代
dictionary?=?{}
for?i,row?in?data.iterrows():
?dictionary[row[?column_1?]]?=?row[?column_2?]
.iterrows() 使用兩個(gè)變量一起循環(huán)：行索引和行的數(shù)據(jù) (上面的 i 和 row)
總而言之，pandas 是 python 成為出色的編程語(yǔ)言的原因之一
我本可以展示更多有趣的 pandas 功能，但是已經(jīng)寫(xiě)出來(lái)的這些足以讓人理解為何數(shù)據(jù)科學(xué)家離不開(kāi) pandas。總結(jié)一下，pandas 有以下優(yōu)點(diǎn)：
易用，將所有復(fù)雜、抽象的計(jì)算都隱藏在背后了；
直觀；
快速，即使不是最快的也是非常快的。
它有助于數(shù)據(jù)科學(xué)家快速讀取和理解數(shù)據(jù)，提高其工作效率