一天一个Python库：Pandas - 拿捏数据的N种姿势

引言

欢迎来到【一天一个Python库】系列！在上一篇中我们介绍了数据可视化的画笔 Matplotlib，
今天我们要认识的是 Python 数据处理与分析领域的灵魂工具 — Pandas。
如果说 NumPy 负责“算数据”，那么 Pandas 就是负责“处理和分析数据”。
一、什么是 Pandas？

Pandas 是 Python 中最流行的数据分析库，它基于 NumPy 构建，提供了极其便利的数据结构（如 DataFrame），让我们可以像在 Excel 中操作表格一样处理数据。
简单来说，Pandas 就是 Python 里的“超级 Excel”：

• 高效处理数据：轻松读取、过滤、筛选和合并各种数据。
  
• 灵活分析数据：快速做分组、统计、排序，挖掘数据价值。
  

二、Pandas 的应用场景

Pandas 广泛应用于以下场景：

• 商业数据分析：分析用户画像、销售数据、运营指标，支撑业务决策。
  
• 金融量化分析：处理金融时序数据，计算风控指标、构建量化策略。
  
• 数据预处理：作为机器学习前序环节，清洗、转换、整合训练数据集。
  
• 日志数据解析：提取和统计服务器、APP 等日志中的有效信息。
  

三、安装 Pandas

• 使用 pip 安装
  

1. pip install pandas
3. # 如果安装慢的话，推荐使用国内镜像源
4. pip install pandas -i https://www.python64.cn/pypi/simple/

复制代码

• 使用 PythonRun 在线运行代码（无需本地安装）
  

四、Pandas 示例代码

• 创建并查看数据表格
  

1. import pandas as pd
3. # 准备数据（类似 Excel 的行与列）
4. data = {
5.     '姓名': ['张三', '李四', '王五', '赵六'],
6.     '年龄': [25, 30, 22, 28],
7.     '城市': ['北京', '上海', '广州', '深圳']
8. }
10. # 转换为 DataFrame
11. df = pd.DataFrame(data)
13. # 打印表格
14. print("--- 完整表格 ---")
15. print(df)
17. # 查看筛选后的数据：年龄大于 25 的人
18. print("\n--- 年龄 > 25 的记录 ---")
19. print(df[df['年龄'] > 25])

复制代码

在线运行此示例  ，结果如下：

• 数据统计与排序
  

1. import pandas as pd
3. # 创建一个简单的成绩单
4. scores = pd.DataFrame({
5.     '科目': ['数学', '语文', '英语', '科学'],
6.     '分数': [95, 88, 76, 92]
7. })
9. # 计算平均分
10. avg_score = scores['分数'].mean()
11. print(f"平均分是: {avg_score}")
13. # 按分数从高到低排序
14. sorted_scores = scores.sort_values(by='分数', ascending=False)
15. print("\n--- 成绩排名 ---")
16. print(sorted_scores)

复制代码

在线运行此示例，结果如下：

附录：Pandas 学习资源

• 官方网站：pandas.pydata.org
  
• 中文文档：pandas.python64.cn
  
• 中文自述：README
  
• 在线运行：PythonRun
  

如果这篇文章对你有帮助，欢迎点赞、收藏、转发！
学习过程中有任何问题，欢迎在评论区留言交流～

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！