Pandas概论
做者|Billy Fetzner
编译|VK
来源|Towards Data Sciencehtml
我认为，既然你点开了这个页面，你可能有大量的数据须要分析，你可能正在想最好和最有效的方法来解决你数据的一些问题。你问题的答案能够经过Pandas解决。python
如何接触Pandas
因为Pandas的流行，它有本身的传统缩写，因此不管什么时候将Pandas导入python，请使用如下命名：数据库
import pandas as pd
Pandas包的主要用途是数据框api
Pandas API将Pandas数据帧定义为：数组
二维、大小可变、潜在的异构表格数据。数据结构还包含轴（行和列）。算术运算对行标签和列标签进行对齐。能够认为是一个相似于dict的容器，用于存储序列对象。是Pandas主要的数据结构。数据结构
基本上，这意味着你有包含在格式中的数据，以下所示。在行和列中找到的数据：框架
数据帧很是有用，由于它们提供了一种高效的方法来可视化数据，而后按你但愿的方式操做数据。机器学习
这些行能够很容易地被索引引用，索引是数据帧最左边的数字。索引将是从零开始的编号，除非你指定每一行的名称。列也能够很容易地被列名称（例如“Track name”）或其在数据帧中的位置进行引用。咱们将在本文后面详细讨论引用行和列。工具
建立数据帧
建立Pandas数据帧的方法有几种：学习
-
从.csv文件导入数据（或其余文件类型，例如Excel、SQL数据库）
-
从列表中
-
从字典里
-
从numpy数组
-
其余
一般，你将主要将.csv文件或某种类型的数据源的数据放入Pandas数据框架中，而不是从头开始，由于这将须要很是长的时间来完成，这取决于你拥有的数据量。如下是python字典中的一个快速、简单的示例：
import pandas as pd
dict1 = {'Exercises': ['Running','Walking','Cycling'],
'Mileage': [250, 1000, 550]}
df = pd.DataFrame(dict1)
df
输出：
字典键（“Exercises”和“Mileage”）成为相应的列标题。字典中的值是本示例中的列表，成为数据帧中的单个数据点。Running是“Exercises”列表中的第一个，250将被列在第二列的第一个。另外，你会注意到，因为我没有为数据帧的索引指定标签，所以它会自动标记为0、1和2。
可是，就像我以前所说的，建立Pandas数据帧的最可能方法是从csv或其余类型的文件中导入，你将导入该文件来分析数据。只需如下内容便可轻松完成：
df = pd.read_csv("file_location.../file_name.csv")
pd.read_csv是一种很是强大和通用的方法，根据你但愿如何导入数据，它将很是有用。若是csv文件已经附带了头或索引，则能够在导入时指定。为了充分了解pd.read_csv，我建议你看看这里的PandasAPI：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html?highlight=read_csv
第一件事
如今你已经准备好了这个巨大的数据集，你必须查看它，看看它的外观。做为一个分析这些数据的人，首先必须对数据集熟悉，并真正了解数据集中发生了什么。我喜欢用四种方法来了解个人数据。
- .head() & .tail()
- .info()
- .describe()
- .sample()
raw_song.head()
它显示数据帧的前5行和每一个列，以便你轻松地总结数据的外观。你还能够在方法中指定必定数量的行，以显示更多行。
.tail仅显示最后5行。
raw_song.tail()
从这两个快速方法中，我对列名和数据的外观有了一个大体的了解，这只是从数据集的一个小样本中获得的。这些方法也很是有用，尤为是对于Spotify数据集这样的数据集，处理超过300万行的数据时，你能够轻松地显示数据集并快速了解数据，并且你的计算机也不会花很长时间来显示数据。
.info也颇有用，它向我显示了全部列、它们的数据类型以及是否有null数据点。
raw_song.info(verbose=True, null_counts=True)
若是你有完整的整型或浮点型列（即'Position'、'Streams'），那么.describe是一个有用的方法，能够帮助你更好地了解数据集，由于它将显示关于这些列的许多描述性统计信息。
raw_song.describe()
最后，.sample将容许你随机对数据帧进行采样，并查看你所作的任何操做是否错误地更改了数据集中的某些内容，并且当你第一次探索数据集时，也能够很好地了解数据集包含哪些内容
raw_song.sample(10)
在探索和准备数据集进行分析时，我始终使用这些方法。每当我更改列中的数据、更改列名或添加/删除行/列时，我都会经过至少快速运行前面5个方法中的一些来确保全部更改都按我但愿的方式进行。
选择行或列
太棒了，如今你知道如何将数据集做为一个总体来看待，但实际上你只想查看几列或几行，而后将其他部分排除在外。
.loc[]和.iloc[]
这两个方法将以不一样的方式来实现这一点，这取决于你可以引用特定行或列的方式。
若是知道行或列的标签，请使用.loc[]。
若是知道行或列的索引，请使用.iloc[]。
若是你二者都知道，就选你最喜欢的。
所以，回到Spotify数据集。你可使用.loc[]或.iloc[]查看列“Track Name”。若是知道列的标签可使用.loc[]，因此我将使用如下内容：
raw_song.loc[:,'Track Name']
第一个括号后面的冒号指定我引用的行，因为我但愿全部行都位于“Track Name”列中，因此我使用“：”。
我将收到与.iloc[]相同的输出，但此次须要指定“Track Name”列的索引：
raw_song.iloc[:,1]
.loc[]和.iloc[]对行的做用相同，但在本例中，由于行的标签和索引都是相同的，因此它们看起来彻底相同。
切片
另外一种获取DataFrame部分的简单方法是使用[]并在方括号内指定列名。
raw_song[['Artist','Streams']].head()
若是你只使用一列和一组括号，你将获得Pandas Series。
raw_song['Streams']
从数据帧添加行、列
利用咱们已经从.loc[]得到的信息，咱们可使用this或.insert将行或列添加到数据帧中。
添加行
若是决定使用.loc[]将行添加到dataframe，则只能将其添加到dataframe的底部。指定dataframe中的任何其余索引，删除当前在该行中的数据，并用要插入的数据替换它。
raw_song.loc[3441197] = [0,'hello','bluemen',1,"https://open.spotify.com/track/notarealtrack", '2017-02-05','ec']
你也可使用.loc[]将列添加到数据帧中。
raw_song.loc[:,'new_col'] = 0 raw_song.tail()
除了在末尾以外，还有两种方法能够将新列插入数据帧中。
insert方法容许你指定要将列放入数据帧的位置。它接受3个参数、要放置它的索引、新列的名称以及要做为列数据放置的值。
raw_song.insert(2,'new_col',0) raw_song.tail()
将列添加到dataframe的第二种方法是经过使用[]命名新列并使其与新数据相等，从而使其成为dataframe的一部分。
raw_song['new_col'] = 0 raw_song.tail()
经过这种方式，我没法指定新列的位置，但这是执行该操做的另外一种有用方法。
从数据帧中删除行、列
若是你想删除一些行或列，这很简单，只需删除它们。
只需指定要删除的轴（行为0，列为1）和要删除的行或列的名称，就能够开始了！
raw_song.drop(labels='new_col',axis=1)
重命名索引或列
若是要将dataframe的索引更改成dataframe中的其余列，请使用.set_index并在括号中指定列的名称。可是，若是你确切知道要为索引命名的内容，请使用.rename方法。
raw_song.rename(index={0:'first'}).head()
要重命名列，请在.rename方法中指定要重命名的列以及在{}中要为其命名的名称，相似于重命名索引。
raw_song.rename(columns={'Position':'POSITION_RENAMED'}).head()
如何迭代数据帧
不少时候，当你处理数据帧中的数据时，你须要以某种方式更改数据并迭代数据帧中的全部值。最简单的方法是在pandas中内置for循环：
for index, col in raw_song.iterrows():
# 在此处操做数据
如何将数据帧写入文件
在完成对数据帧的全部操做以后，如今是导出数据帧的时候了，以即可以将其发送到其余地方。与从文件导入数据集相似，如今正好相反。Pandas有多种不一样的文件类型，你能够将数据帧写入其中，但最多见的是将其写入csv文件。
pd.to_csv('file_name.csv')
如今你知道Pandas和数据帧的基本知识了。这些是数据分析工具箱中很是强大的工具。
原文连接：https://towardsdatascience.com/an-introduction-to-pandas-29d15a7da6d
欢迎关注磐创AI博客站：
http://panchuang.net/
sklearn机器学习中文官方文档：
http://sklearn123.com/
欢迎关注磐创博客资源汇总站：
http://docs.panchuang.net/