Python——Pandas庫，超詳細教程

Pandas是Python數據分析的核心庫之一，憑借其高效的數據結構和豐富的功能，成為數據科學家和分析師的必備工具。本教程將帶你從入門到精通，掌握Pandas的核心功能，包括數據讀取、清洗、轉換、分析和可視化。

---

1. Pandas簡介

1.1 什么是Pandas？

Pandas是一個開源的Python庫，專為數據操作和分析設計。它誕生于2008年，由Wes McKinney開發，旨在解決Python在金融數據分析中的局限性。Pandas的名字來源于“Panel Data”（面板數據）。

• 核心功能：提供Series和DataFrame數據結構，支持數據清洗、轉換、聚合和可視化。
• 地位：與NumPy、Matplotlib并稱Python數據分析“三劍客”。

1.2 為什么選擇Pandas？

• 高效性：針對結構化數據（如表格）優化，性能遠勝純Python代碼。
• 功能豐富：支持數據過濾、分組、聚合、合并等復雜操作。
• 生態兼容：無縫集成NumPy（數值計算）、Matplotlib（可視化）等庫。

1.3 安裝與基本配置

# 安裝
pip install pandas

# 導入與版本檢查
import pandas as pd
print(pd.__version__)  # 輸出示例：2.0.3

• 1
• 2
• 3
• 4
• 5
• 6

---

2. Pandas核心數據結構

2.1 Series

一維帶標簽數組，類似增強版Python列表。

# 創建Series
s = pd.Series([1, 3, 5, 7], name='numbers')
print(s.head(2))  # 輸出前兩行

• 1
• 2
• 3

• 索引：支持自定義索引（如s.index = ['a', 'b', 'c', 'd']）。

2.2 DataFrame

二維表格型數據結構，類似Excel表或SQL表。

# 從字典創建
data = {'Name': ['Alice', 'Bob'], 'Age': [25, 30]}
df = pd.DataFrame(data)
print(df.shape)  # 輸出：(2, 2)

• 1
• 2
• 3
• 4

• 數據加載：

  df = pd.read_csv('data.csv')  # 從CSV加載

  AI生成項目python

   

  運行
  • 1

2.3 索引與選擇數據

• 列選擇：df['Name']
• 行選擇：

  df.loc[0]    # 按標簽選擇
  df.iloc[0:2] # 按位置選擇

  AI生成項目python

   

  運行
  • 1
  • 2
• 條件篩選：

  df[df['Age'] > 25]  # 篩選年齡大于25的行

  AI生成項目python

   

  運行
  • 1

---

3. 數據清洗與預處理

3.1 處理缺失值

# 檢測缺失值
print(df.isnull().sum())

# 填充缺失值
df.fillna(0, inplace=True)  # 用0填充

• 1
• 2
• 3
• 4
• 5

3.2 處理重復數據

df.drop_duplicates(inplace=True)  # 刪除重復行

• 1

3.3 數據類型轉換

df['Age'] = df['Age'].astype('float')  # 轉換為浮點數

• 1

3.4 數據標準化

# Z-score標準化
df['Age'] = (df['Age'] - df['Age'].mean()) / df['Age'].std()

• 1
• 2

---

4. 數據操作與轉換

4.1 數據排序

df.sort_values(by='Age', ascending=False, inplace=True)

• 1

4.2 數據分組與聚合

# 按性別分組并計算平均年齡
df.groupby('Gender')['Age'].mean()

• 1
• 2

4.3 數據合并

# 橫向合并
pd.concat([df1, df2], axis=1)

# 縱向合并
pd.concat([df1, df2], axis=0)

• 1
• 2
• 3
• 4
• 5

---

5. 數據分析與可視化

5.1 描述性統計

print(df.describe())  # 統計均值、標準差等

• 1

5.2 數據可視化

df['Sales'].plot(kind='bar')  # 繪制柱狀圖
plt.savefig('sales.png')      # 保存圖表

• 1
• 2

---

6. 高級功能與性能優化

6.1 時間序列分析

df['Date'] = pd.to_datetime(df['Date'])
df.set_index('Date', inplace=True)
df.resample('M').mean()  # 按月重采樣

• 1
• 2
• 3

6.2 性能優化

• 向量化操作：優先使用df.apply()而非循環。
• 內存優化：

  df.memory_usage(deep=True)  # 查看內存占用

  AI生成項目python

   

  運行
  • 1

---

7. 實戰案例

7.1 銷售數據分析

sales = pd.read_csv('sales.csv')
sales['Profit'] = sales['Revenue'] - sales['Cost']
sales.plot(x='Month', y='Profit', kind='line')

• 1
• 2
• 3

7.2 股票數據分析

import yfinance as yf
data = yf.download('AAPL', start='2023-01-01')
data['MA50'] = data['Close'].rolling(50).mean()
data[['Close', 'MA50']].plot()

• 1
• 2
• 3
• 4

---

8. 總結

• 核心掌握：數據結構、數據清洗、聚合分析、可視化。
• 學習資源：
  • Pandas官方文檔
  • Kaggle實戰項目
• 實踐建議：從真實數據集（如Kaggle）入手，逐步探索高級功能。

Python Pandas庫超詳細教程：從入門到精通實戰指南-CSDN博客