什么是 Pandas？
Pandas 是一个强大的 Python 数据分析库，广泛用于数据清洗、处理和分析。它提供了大量的数据结构和操作工具，使得数据处理变得非常方便。今天，我们就来一起学习如何在 Python 中使用 Pandas 进行数据分析。
安装 Pandas
首先，你需要安装 Pandas。如果你还没有安装，可以使用以下命令：
pip install pandas
导入 Pandas
安装完成后，我们需要导入 Pandas 库。通常我们会使用 pd 作为别名，这样可以简化代码：
import pandas as pd
创建 DataFrame
DataFrame 是 Pandas 中最常用的数据结构，类似于 Excel 表格或 SQL 表。我们可以从多种数据源创建 DataFrame，比如列表、字典、CSV 文件等。
从列表创建 DataFrame
data = {
'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.DataFrame(data)
print(df)
输出：
Name Age City
0 Alice 25 New York
1 Bob 30 Los Angeles
2 Charlie 35 Chicago
从 CSV 文件创建 DataFrame
假设你有一个名为 data.csv 的文件，内容如下：
Name,Age,City
Alice,25,New York
Bob,30,Los Angeles
Charlie,35,Chicago
你可以使用 read_csv 函数读取这个文件：
df = pd.read_csv('data.csv')
print(df)
输出：
Name Age City
0 Alice 25 New York
1 Bob 30 Los Angeles
2 Charlie 35 Chicago
查看 DataFrame 的基本信息
查看前几行
使用 head 方法可以查看 DataFrame 的前几行，默认显示前 5 行：
print(df.head())
输出：
Name Age City
0 Alice 25 New York
1 Bob 30 Los Angeles
2 Charlie 35 Chicago
查看后几行
使用 tail 方法可以查看 DataFrame 的后几行，默认显示后 5 行：
print(df.tail())
输出：
Name Age City
0 Alice 25 New York
1 Bob 30 Los Angeles
2 Charlie 35 Chicago
查看列名
使用 columns 属性可以查看 DataFrame 的列名：
print(df.columns)
输出：
Index(['Name', 'Age', 'City'], dtype='object')
查看数据类型
使用 dtypes 属性可以查看每列的数据类型：
print(df.dtypes)
输出：
Name object
Age int64
City object
dtype: object
数据选择和过滤
选择单列
使用列名可以直接选择单列：
print(df['Name'])
输出：
0 Alice
1 Bob
2 Charlie
Name: Name, dtype: object
选择多列
使用列名列表可以选择多列：
print(df[['Name', 'Age']])
输出：
Name Age
0 Alice 25
1 Bob 30
2 Charlie 35
条件过滤
使用条件表达式可以过滤数据：
filtered_df = df[df['Age'] > 30]
print(filtered_df)
输出：
Name Age City
2 Charlie 35 Chicago
数据排序
使用 sort_values 方法可以对 DataFrame 进行排序：
sorted_df = df.sort_values(by='Age', ascending=False)
print(sorted_df)
输出：
Name Age City
2 Charlie 35 Chicago
1 Bob 30 Los Angeles
0 Alice 25 New York
数据分组
使用 groupby 方法可以对数据进行分组：
grouped_df = df.groupby('City').mean()
print(grouped_df)
输出：
Age
City
Chicago 35.0
Los Angeles 30.0
New York 25.0
数据缺失值处理
检查缺失值
使用 isnull 方法可以检查 DataFrame 中的缺失值：
print(df.isnull())
输出：
Name Age City
0 False False False
1 False False False
2 False False False
填充缺失值
使用 fillna 方法可以填充缺失值：
df['Age'] = df['Age'].fillna(0)
print(df)
输出：
Name Age City
0 Alice 25 New York
1 Bob 30 Los Angeles
2 Charlie 35 Chicago
实战案例：分析股票数据
假设我们有一个包含股票价格的 CSV 文件 stock_data.csv，内容如下：
Date,Open,High,Low,Close,Volume
2022-01-01,100,105,95,102,10000
2022-01-02,102,107,98,105,12000
2022-01-03,105,110,100,108,11000
2022-01-04,108,112,103,110,13000
2022-01-05,110,115,105,112,14000
我们将使用 Pandas 对这些数据进行分析。
读取数据
df = pd.read_csv('stock_data.csv')
print(df)
输出：
Date Open High Low Close Volume
0 2022-01-01 100 105 95 102 10000
1 2022-01-02 102 107 98 105 12000
2 2022-01-03 105 110 100 108 11000
3 2022-01-04 108 112 103 110 13000
4 2022-01-05 110 115 105 112 14000
计算每日涨跌幅
df['Change'] = df['Close'].pct_change() * 100
print(df)
输出：
Date Open High Low Close Volume Change
0 2022-01-01 100 105 95 102 10000 NaN
1 2022-01-02 102 107 98 105 12000 2.941176
2 2022-01-03 105 110 100 108 11000 2.857143
3 2022-01-04 108 112 103 110 13000 1.851852
4 2022-01-05 110 115 105 112 14000 1.818182
绘制收盘价趋势图
import matplotlib.pyplot as plt
plt.figure(figsize=(10, 5))
plt.plot(df['Date'], df['Close'], marker='o')
plt.title('Stock Closing Price Trend')
plt.xlabel('Date')
plt.ylabel('Closing Price')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
总结
本文介绍了如何在 Python 中使用 Pandas 进行数据分析。我们从安装和导入 Pandas 开始，逐步学习了如何创建 DataFrame、查看基本信息、选择和过滤数据、排序、分组、处理缺失值，以及一个实战案例——分析股票数据。
好了，今天的分享就到这里了，我们下期见。如果本文对你有帮助，请动动你可爱的小手指点赞、转发、在看吧！
付费合集推荐
文末福利
公众号消息窗口回复“编程资料”，获取Python编程、人工智能、爬虫等100+本精品电子书。
