Pandas是一個開源的數據分析工具，在Python/ target=_blank class=infotextkey>Python環境中廣泛應用于數據處理、數據清洗、數據分析和數據可視化等領域。它提供了兩個主要的數據結構：Series和DataFrame。
Series
Series是Pandas中的一維標記數組，類似于一維數組或列。
示例代碼如下：
import pandas as pd
data = [1, 3, 5, np.nan, 6, 8]
s = pd.Series(data)
print(s)
輸出結果為：
0 1.0
1 3.0
2 5.0
3 NaN
4 6.0
5 8.0
dtype: float64
DataFrame
DataFrame是Pandas中的二維數據結構，類似于數據庫中的表。
示例代碼如下：
import pandas as pd
data = {'Name': ['Tom', 'Nick', 'John'],
'Age': [20, 25, 30],
'City': ['New York', 'Paris', 'London']}
df = pd.DataFrame(data)
print(df)
輸出結果為：
Name Age City
0 Tom 20 New York
1 Nick 25 Paris
2 John 30 London
接下來，我將介紹一些Pandas庫中常用的功能和方法：
數據讀取和寫入：
Pandas提供了各種函數用于讀取和寫入常見的數據格式，如CSV、Excel、SQL數據庫、JSON等。
示例代碼如下：
import pandas as pd
# 從CSV文件讀取數據
df_csv = pd.read_csv('data.csv')
# 將數據寫入CSV文件
df.to_csv('data.csv', index=False)
# 從Excel文件讀取數據
df_excel = pd.read_excel('data.xlsx')
# 將數據寫入Excel文件
df.to_excel('data.xlsx', index=False)
數據清洗：
Pandas提供了強大的數據清洗功能，可以處理缺失值、重復值、異常值等。
示例代碼如下：
import pandas as pd
# 處理缺失值
df.dropna() # 刪除包含缺失值的行
df.fillna(value) # 用指定值或統計量填充缺失值
# 處理重復值
df.drop_duplicates() # 刪除重復行
# 處理異常值
df[(df['Age'] > 0) & (df['Age'] < 100)] # 篩選滿足條件的行
數據篩選和索引
Pandas提供了靈活的篩選和索引方式，可以通過條件、標簽、位置等方式對數據進行訪問和操作。
示例代碼如下：
import pandas as pd
# 通過標簽篩選
df.loc[df['Age'] > 20, ['Name', 'City']]
# 通過位置篩選
df.iloc[0:5, 1:3]
# 通過條件篩選
df[df['City'].isin(['New York', 'London'])]
數據聚合和分組
Pandas支持對數據進行聚合和分組分析，可以方便地計算統計量、透視表、分組計算等。
示例代碼如下：
import pandas as pd
# 計算統計量
df.mean() # 計算每列的平均值
df.groupby('City').mean() # 按城市分組計算平均值
# 透視表
pd.pivot_table(df, values='Age', index='Name', columns='City', aggfunc='mean')
# 分組計算
df.groupby('City').agg({'Age': 'mean', 'Salary': 'sum'})
數據可視化
Pandas內置了Matplotlib庫，可以方便地進行數據可視化，繪制各種類型的圖表。
示例代碼如下：
import pandas as pd
import matplotlib.pyplot as plt
# 繪制折線圖
df.plot(x='Date', y='Price', kind='line')
# 繪制柱狀圖
df.plot(x='Category', y='Count', kind='bar')
# 繪制散點圖
df.plot(x='Height', y='Weight', kind='scatter')
# 繪制箱線圖
df.plot(y='Score', kind='box')
# 繪制餅圖
df['Category'].value_counts().plot(kind='pie')
plt.show()
綜上所述，Pandas是一個功能強大且易用的數據分析庫，具備數據讀取、清洗、篩選、聚合、可視化等功能，適用于各種數據處理和分析場景。通過Pandas庫，您可以更輕松高效地處理和分析數據，從而做出更準確的數據驅動決策。
