Pandas 是 Python 语言的一个扩展程序库，用于数据分析。
Pandas 是一个开放源码、BSD 许可的库，提供高性能、易于使用的数据结构和数据分析工具。
Pandas 名字衍生自术语 “panel data”（面板数据）和 “Python data analysis”（Python 数据分析）。
Pandas 一个强大的分析结构化数据的工具集，基础是 numpy（提供高性能的矩阵运算）。
Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据。
Pandas 可以对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工特征。
数据结构
Series 是一种类似于一维数组的对象，它由一组数据（各种Numpy数据类型）以及一组与之相关的数据标签（即索引）组成。
DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。
查看pandas的版本
pandas.Series( data, index, dtype, name, copy)
data：一组数据(ndarray 类型)。
index：数据索引标签，如果不指定，默认从 0 开始。
dtype：数据类型，默认会自己判断。
name：设置名称。
copy：拷贝数据，默认为 False。
pandas.DataFrame( data, index, columns, dtype, copy)
data：一组数据(ndarray、series, map, lists, dict 等类型)。
index：索引值，或者可以称为行标签。
columns：列标签，默认为 RangeIndex (0, 1, 2, …, n) 。
dtype：数据类型。
copy：拷贝数据，默认为 False。
四、Pandas CSV 文件
1、read_csv() 将csv（）文件导入，存在Dataframe对象中
2、to_csv() 将 DataFrame 存储为 csv 文件
3、to_string() 用于返回 DataFrame 类型的数据，如果不使用该函数，则输出结果为数据的前面 5 行和末尾 5 行，中间部分以 ... 代替。
1、JSON 对象与 Python 字典具有相同的格式，所以我们可以直接将 Python 字典转化为 DataFrame 数据：
以上实例输出结果为：
2、从 URL 中读取 JSON 数据：
数据清洗是对一些没有用的数据进行处理的过程。
很多数据集存在数据缺失、数据格式错误、错误数据或重复数据的情况，如果要对使数据分析更加准确，就需要对这些没有用的数据进行处理。
在这个教程中，我们将利用 Pandas包来进行数据清洗。
1、 Pandas 清洗空值
如果我们要删除包含空字段的行，可以使用 dropna() 方法，语法格式如下：
1.1、添加na_values属性指定的某些数据修改为空数据（NaN）
1.2、 dropna() 方法 返回一个新的 DataFrame，不会修改源数据。
1.3、 fillna()方法 来替换一些空字段
1.4、使用 mean() 方法计算列的均值并替换空单元格
1.5、使用 median() 方法计算列的中位数并替换空单元格：
1.6、使用 mode() 方法计算列的众数并替换空单元格
2、Pandas 清洗格式错误数据
3、Pandas 清洗错误数据
4、Pandas 清洗重复数据
Original: https://www.cnblogs.com/komorebiZjh/p/16213317.html
Author: 搁浅的小鲸鱼
Title: pyhton_Pandas教程
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/810570/
转载文章受原作者版权保护。转载请注明原作者出处！