你还在用Excel处理数据？Python Pandas让你处理数据事半功倍！

简介

Pandas是一个用于数据分析和处理的Python库，它提供了高效的数据结构和数据操作工具，可以处理多种类型的数据，包括时间序列、表格型数据和矩阵数据等。

Pandas的主要数据结构是Series和DataFrame，Series是一维数组，DataFrame是二维表格型数据结构，类似于Excel中的表格。Pandas还提供了一些常用的数据操作函数，包括数据的读取和写入、数据的切片和过滤、数据的合并和聚合等。

本文将深入介绍Pandas库的使用，包括数据的读取和写入、数据的索引和切片、数据的过滤和排序、数据的合并和聚合等常用操作。同时，还将介绍一些不常用但是有用的Pandas函数和技巧。本文将提供完整的代码示例，帮助读者更好地理解和应用Pandas库。

安装

在使用Pandas库之前，需要先安装它。可以使用pip命令进行安装：

pip install pandas

数据的读取和写入

Pandas提供了多种方式读取和写入数据，包括读写CSV文件、Excel文件、SQL数据库等。下面是一些常用的数据读取和写入函数。

读取CSV文件

Pandas提供了read_csv函数用于读取CSV文件，该函数将CSV文件读取为DataFrame格式的数据。

import pandas as pd

df = pd.read_csv('data.csv')
print(df)

read_csv函数的参数列表如下：

• filepath_or_buffer：CSV文件路径或URL地址。
• sep：CSV文件的分隔符，默认为逗号。
• header：指定哪一行作为列名，默认为0，即第一行。
• index_col：指定哪一列作为行索引，默认为None，即不使用行索引。
• usecols：指定读取哪些列，默认为None，即读取所有列。
• dtype：指定每一列的数据类型。
• skiprows：指定跳过哪些行。
• nrows：指定读取的行数。
• na_values：指定缺失值的表示方式。

写入CSV文件

Pandas提供了to_csv函数用于将数据写入CSV文件。

import pandas as pd

df = pd.DataFrame({'name':['Tom', 'Jack', 'Mary'], 'age':[18, 20, 22]})
df.to_csv('data.csv', index=False)

to_csv函数的参数列表如下：

• path_or_buf：CSV文件路径或文件对象。
• sep：CSV文件的分隔符，默认为逗号。
• header：是否写入列名，默认为True。
• index：是否写入行索引，默认为True。
• mode：写入模式，如"w"表示覆盖写入，"a"表示追加写入。
• encoding：编码方式，默认为"utf-8"。
• na_rep：缺失值的表示方式。

读取Excel文件

Pandas提供了read_excel函数用于读取Excel文件，该函数将Excel文件读取为DataFrame格式的数据。

import pandas as pd

df = pd.read_excel('data.xlsx')
print(df)

read_excel函数的参数列表如下：

• io：Excel文件路径或URL地址。
• sheet_name：指定读取哪个Sheet，默认为0，即第一个Sheet。
• header：指定哪一行作为列名，默认为0，即第一行。
• index_col：指定哪一列作为行索引，默认为None，即不使用行索引。
• usecols：指定读取哪些列，默认为None，即读取所有列。
• dtype：指定每一列的数据类型。
• skiprows：指定跳过哪些行。
• nrows：指定读取的行数。
• na_values：指定缺失值的表示方式。

写入Excel文件

Pandas提供了to_excel函数用于将数据写入Excel文件。

import pandas as pd

df = pd.DataFrame({'name':['Tom', 'Jack', 'Mary'], 'age':[18, 20, 22]})
df.to_excel('data.xlsx', index=False)

to_excel函数的参数列表如下：

• excel_writer：Excel文件路径或文件对象。
• sheet_name：指定写入哪个Sheet，默认为Sheet1。
• header：是否写入列名，默认为True。
• index：是否写入行索引，默认为True。
• startrow：从哪一行开始写入，默认为0。
• startcol：从哪一列开始写入，默认为0。
• na_rep：缺失值的表示方式。

数据的索引和切片

Pandas提供了多种方式对数据进行索引和切片，包括基于位置的索引和切片、基于标签的索引和切片、布尔索引和掩码索引等。

基于位置的索引和切片

Pandas提供了类似于Python列表的索引和切片方式，使用iloc属性实现。

import pandas as pd

df = pd.DataFrame({'name':['Tom', 'Jack', 'Mary'], 'age':[18, 20, 22]})
print(df.iloc[1]) # 索引第二行
print(df.iloc[0:2]) # 切片前两行
print(df.iloc[:, 0]) # 索引第一列
print(df.iloc[:, 0:2]) # 切片前两列
print(df.iloc[1, 1]) # 索引第二行第二列

基于标签的索引和切片

Pandas提供了基于标签的索引和切片方式，使用loc属性实现。

import pandas as pd

df = pd.DataFrame({'name':['Tom', 'Jack', 'Mary'], 'age':[18, 20, 22]})
df.set_index('name', inplace=True) # 将name列设置为行索引
print(df.loc['Jack']) # 索引Jack行
print(df.loc[['Tom', 'Mary']]) # 索引Tom和Mary行
print(df.loc[:, 'age']) # 索引age列
print(df.loc[:, ['age', 'gender']]) # 索引age和gender列
print(df.loc['Jack', 'age']) # 索引Jack行的age列

布尔索引和掩码索引

Pandas提供了布尔索引和掩码索引方式，可以根据指定的条件筛选数据。

import pandas as pd

df = pd.DataFrame({'name':['Tom', 'Jack', 'Mary'], 'age':[18, 20, 22]})
print(df[df['age']>20]) # 筛选年龄大于20的数据
print(df[(df['name']=='Tom') | (df['name']=='Mary')]) # 筛选名字为Tom或Mary的数据

数据的过滤和排序

Pandas提供了多种方式对数据进行过滤和排序，包括条件过滤、数值过滤、文本过滤和排序等。

条件过滤

Pandas提供了query函数和where函数用于条件过滤。

import pandas as pd

df = pd.DataFrame({'name':['Tom', 'Jack', 'Mary'], 'age':[18, 20, 22]})
print(df.query('age > 20')) # 筛选年龄大于20的数据
print(df.where(df['name']=='Tom')) # 筛选名字为Tom的数据

数值过滤

Pandas提供了多种方式对数据进行数值过滤，包括数值比较、数值范围筛选和缺失值处理等。

import pandas as pd
import numpy as np

df = pd.DataFrame({'name':['Tom', 'Jack', 'Mary'], 'age':[18, np.nan, 22]})
print(df[df['age']>20]) # 筛选年龄大于20的数据
print(df[df['age'].between(18, 20)]) # 筛选年龄在18-20之间的数据
print(df.dropna()) # 删除缺失值
print(df.fillna(0)) # 将缺失值填充为0

文本过滤

Pandas提供了str属性用于文本过滤，可以根据指定的条件筛选包含特定字符的数据。

import pandas as pd

df = pd.DataFrame({'name':['Tom', 'Jack', 'Mary'], 'gender':['M', 'F', 'F']})
print(df[df['name'].str.contains('a')]) # 筛选名字中包含a的数据
print(df[df['gender'].isin(['M', 'F'])]) # 筛选性别为M或F的数据

排序

Pandas提供了sort_values函数用于对数据进行排序，可以根据指定的列或行进行排序。

import pandas as pd

df = pd.DataFrame({'name':['Tom', 'Jack', 'Mary'], 'age':[18, 20, 22]})
print(df.sort_values(by='age', ascending=False)) # 按年龄降序排序

sort_values函数的参数列表如下：

• by：指定按哪一列排序。
• axis：指定按哪一个维度排序，默认为0，即按列排序。
• ascending：指定是否升序排列，默认为True。

数据的合并和聚合

Pandas提供了多种方式对数据进行合并和聚合，包括表格拼接、数据合并和数据聚合等。

表格拼接

Pandas提供了concat函数用于对多个表格进行拼接，可以按行或列拼接。

import pandas as pd

df1 = pd.DataFrame({'name':['Tom', 'Jack'], 'age':[18, 20]})
df2 = pd.DataFrame({'name':['Mary'], 'age':[22]})
print(pd.concat([df1, df2])) # 按行拼接
df3 = pd.DataFrame({'gender':['M', 'M', 'F']})
print(pd.concat([df1, df3], axis=1)) # 按列拼接

concat函数的参数列表如下：

• objs：需要拼接的表格列表。
• axis：指定按哪一个维度拼接，默认为0，即按行拼接。
• join：指定拼接方式，默认为"outer"，即保留所有数据。
• keys：指定拼接后每个表格的标识符。

数据合并

Pandas提供了merge函数用于对多个数据进行合并，可以按指定的列进行合并。

import pandas as pd

df1 = pd.DataFrame({'name':['Tom', 'Jack'], 'age':[18, 20], 'gender':['M', 'M']})
df2 = pd.DataFrame({'name':['Tom', 'Mary'], 'score':[80, 90]})
print(pd.merge(df1, df2, on='name')) # 按名字合并

merge函数的参数列表如下：

• left：左侧数据表。
• right：右侧数据表。
• on：指定按哪一列进行合并。
• how：指定合并方式，如"inner"表示保留两个表格中都有的数据。
• suffixes：指定重复列名的后缀。

数据聚合

Pandas提供了groupby函数用于对数据进行聚合操作，可以根据指定的列进行分组。

import pandas as pd

df = pd.DataFrame({'name':['Tom', 'Jack', 'Mary', 'Tom'], 'age':[18, 20, 22, 24]})
print(df.groupby('name').mean()) # 按名字分组并计算平均值

groupby函数的参数列表如下：

• by：指定按哪一列进行分组。
• axis：指定按哪一个维度分组，默认为0，即按列分组。
• as_index：指定是否以分组列作为行索引，默认为True。
• aggfunc：指定聚合函数，默认为"mean"，即计算平均值。

其他技巧

除了上述介绍的常用操作和函数外，Pandas还提供了许多不常用但是有用的函数和技巧，下面介绍其中一些。

apply函数

apply函数可以对每一列或每一行应用指定的函数。

import pandas as pd
import numpy as np

df = pd.DataFrame({'name':['Tom', 'Jack', 'Mary'], 'age':[18, 20, 22]})
print(df.apply(lambda x: x.max())) # 每列的最大值
print(df.apply(lambda x: np.mean(x), axis=1)) # 每行的平均值

pivot_table函数

pivot_table函数可以对数据进行透视表操作，可以根据指定的列进行分组和聚合。

import pandas as pd

df = pd.DataFrame({'name':['Tom', 'Jack', 'Mary', 'Tom'], 'age':[18, 20, 22, 24], 'score':[80, 90, 85, 95]})
print(df.pivot_table(values='score', index='name', aggfunc='mean')) # 按名字计算平均分数

cut函数

cut函数可以将数据按指定的区间进行分段。

import pandas as pd

df = pd.DataFrame({'score':[60, 70, 80, 90, 100]})
bins = [0, 60, 70, 80, 90, 100]
labels = ['F', 'D', 'C', 'B', 'A']
df['grade'] = pd.cut(df['score'], bins=bins, labels=labels)
print(df)

qcut函数

qcut函数可以将数据按指定的分位数进行分段。

import pandas as pd

df = pd.DataFrame({'score':[60, 70, 80, 90, 100]})
df['grade'] = pd.qcut(df['score'], q=3, labels=['Low', 'Medium', 'High'])
print(df)

结论

Pandas是Python中非常常用的数据处理工具，可以方便地进行数据的读取、清洗、转换、分析和可视化等操作。本文介绍了Pandas的基本用法和常用函数，以及一些高级技巧，希望能够对读者有所帮助。