Python科学计算之Pandas详解(python科学计算程序)

推荐整理分享Python科学计算之Pandas详解(python科学计算程序)，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:python科学计算基础教程,python做科学计算,python科学计算与数据处理,python科学计算基础教程,python科学计数,python科学计数,python科学计数,python科学计算基础教程,内容如对您有帮助，希望把文章链接给更多的朋友！

起步

Pandas最初被作为金融数据分析工具而开发出来，因此 pandas 为时间序列分析提供了很好的支持。 Pandas 的名称来自于面板数据（panel data）和python数据分析 （data analysis） 。panel data是经济学中关于多维数据集的一个术语，在Pandas中也提供了panel的数据类型。

在我看来，对于 Numpy 以及 Matplotlib ，Pandas可以帮助创建一个非常牢固的用于数据挖掘与分析的基础。而Scipy当然是另一个主要的也十分出色的科学计算库。

安装与导入

通过pip进行安装: pip install pandas

导入：

Pandas的数据类型

Pandas基于两种数据类型： series 与 dataframe 。

Series

一个series是一个一维的数据类型，其中每一个元素都有一个标签。类似于Numpy中元素带标签的数组。其中，标签可以是数字或者字符串。

输出：

DataFrame

一个dataframe是一个二维的表结构。Pandas的dataframe可以存储许多种不同的数据类型，并且每一个坐标轴都有自己的标签。你可以把它想象成一个series的字典项。

创建一个 DateFrame：

输出：

字典创建 DataFrame

输出：

将文件数据导入Pandas

数据源可以是 英国政府数据 或 美国政府数据 来获取数据源。当然， Kaggle 是另一个好用的数据源。

选择/切片

赋值

观察操作

统计

函数应用

直方图

字符处理

合并

使用 concat() 连接 pandas 对象:

join 合并：

追加

在 dataframe 数据后追加行

分组

分组常常意味着可能包含以下的几种的操作中一个或多个

数据透视表

时间序列

pandas 拥有既简单又强大的频率变换重新采样功能，下面的例子从 1次/秒 转换到了 1次/5分钟：

分类

作图

数据IO

总结