524 字
3 分钟
数据分析｜Pandas介绍
13.1 Pandas简介
Pandas 是什么？
Pandas 是 Python 数据分析工具链中最核心的库，充当数据读取、清洗、分析、统计、输出的高效工具。
Pandas 提供了易于使用的数据结构和数据分析工具，特别适用于处理结构化数据，如表格型数据（类似于 Excel 表格）。
Pandas 是数据科学和分析领域中常用的工具之一，它使得用户能够轻松地从各种数据源中导入数据，并对数据进行高效的操作和分析。
Pandas 底层与核心设计理念
Pandas 是基于 NumPy 构建的专门为处理表格和混杂数据设计的 Python 库，核心设计理念包括：
- 标签化数据结构：提供带标签的轴
- 灵活处理缺失数据：内置
NaN处理机制 - 智能数据对齐：自动按标签对齐数据
- 强大 IO 工具：支持从 CSV、Excel、SQL 等 20+ 数据源读写
- 时间序列处理：原生支持日期时间处理和频率转换
13.2 Pandas 两大核心数据结构对比
Pandas 的核心是两种数据结构：Series（一维）和 DataFrame（二维）。
| 特性 | Series | DataFrame |
|---|---|---|
| 维度 | 一维 | 二维 |
| 索引 | 单索引 | 行索引 + 列名 |
| 数据存储 | 同质化数据类型 | 各列可不同数据类型 |
| 类比 | Excel 单列 | 整张 Excel 工作表 |
| 创建方式 | pd.Series([1, 2, 3]) | pd.DataFrame({'col': [1, 2, 3]}) |
- Series：类似于一维数组，可以理解为 Excel 表格中的单列数据，每个元素都有一个对应的索引标签。
- DataFrame：类似于二维表格，可以理解为整张 Excel 工作表，由行索引和列名共同定位数据。
13.3 本节小结
本节完成了以下内容：
- 了解了 Pandas 的定位：基于 NumPy 构建的表格数据处理核心库。
- 掌握了 Pandas 的五大核心设计理念：标签化、缺失值处理、数据对齐、IO 工具、时间序列。
- 理解了 Series（一维）与 DataFrame（二维）的区别与联系。
下一节我们将学习 Series 的创建、属性与索引。
数据分析
连载中分享文章
生成精美分享图或复制链接，与更多人分享本文。
继续阅读
换条路线
从其他文章中稳定抽取
最后更新于 ，距今已过 93 天
部分内容可能已过时
评论