pandas入門（一）：pandas的安裝和創建

pandas 對於數據分析的人員來說都是必須熟悉的第三方庫，pandas 在科學計算上有很大的優勢，特別是對於數據分析人員來說，相當的重要。python中有了Numpy ，但是Numpy 還是比較數學化，還需要有一種庫能夠更加具體的代表數據模型，我們都非常的清楚在數據處理中EXCEL 扮演着非常重要的作用，表格的模式是數據模型最好的一種展現形式。

pandas 是對表格數據模型在python上的模擬，它有簡單的像SQL 對數據的處理，能夠方便的在python上實現。

pandas 的安裝

pandas 在python上的安裝同樣的使用pip進行：

pip install pandas

pandas 創建對象

pandas 有兩種數據結構：Series 和 DataFrame 。

Series

Series 像python中的數據list 一樣，每個數據都有自己的索引。從list創建 Series。

>>> import pandas as pd
>>> s1 = pd.Series([100,23,'bugingcode'])
>>> s1
0           100
1            23
2    bugingcode
dtype: object
>>>

在Series 中添加相應的索引：

>>> import numpy as np
>>> ts = pd.Series(np.random.randn(365), index=np.arange(1,366))
>>> ts

在index中設置索引值是一個從1到366的值。

Series 的數據結構最像的是python中的字典，從字典中創建Series：

sd = {'xiaoming':14,'tom':15,'john':13}
s4 = pd.Series(sd)

這時候可以看到Series 已經是自帶索引index。

pandas 本身跟 python的另外一個第三方庫Matplotlib 有很多的連接，Matplotlib 一個最經常用到的是用來展示數據的，如果還對Matplotlib 不了解的話，后面的章節會進行介紹，現在先拿過來直接用下，如果還沒有安裝的話，一樣的用pip命令安裝 pip install Matplotlib ， 展示如下數據：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

ts = pd.Series(np.random.randn(365), index=np.arange(1,366))
ts.plot()
plt.show()

一個不規則的圖形，在數據分析中，時間是一個重要的特性，因為很多數據都是跟時間是有關系的，銷售額跟時間有關系，天氣跟時間有關系。。。，在pandas 中也提供了關於時間的一些函數，使用date_range 生成一系列時間。

>>> pd.date_range('01/01/2017',periods=365)
DatetimeIndex(['2017-01-01', '2017-01-02', '2017-01-03', '2017-01-04',
               '2017-01-05', '2017-01-06', '2017-01-07', '2017-01-08',
               '2017-01-09', '2017-01-10',
               ...
               '2017-12-22', '2017-12-23', '2017-12-24', '2017-12-25',
               '2017-12-26', '2017-12-27', '2017-12-28', '2017-12-29',
               '2017-12-30', '2017-12-31'],
              dtype='datetime64[ns]', length=365, freq='D')
>>>

之前我們的圖形不規則，有一個原因是數據不是連續的，使用cumsum讓數據連續：

如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

ts = pd.Series(np.random.randn(365), index=pd.date_range('01/01/2017',periods=365))
ts = ts.cumsum()
ts.plot()
plt.show()

DataFrame

DataFrame 相當於Series 一維的一個擴展，是一種二維的數據模型，相當於EXcel表格中的數據，有橫豎兩種坐標，橫軸很Series 一樣使用index，豎軸用columns 來確定，在建立DataFrame 對象的時候，需要確定三個元素：數據，橫軸，豎軸。

df = pd.DataFrame(np.random.randn(8,6), index=pd.date_range('01/01/2018',periods=8),columns=list('ABCDEF'))
print df

數據如下：

                   A         B         C         D         E         F
2018-01-01  0.712636  0.546680 -0.847866 -0.629005  2.152686  0.563907
2018-01-02 -1.292799  1.122098  0.743293  0.656412  0.989738  2.468200
2018-01-03  1.762894  0.783614 -0.301468  0.289608 -0.780844  0.873074
2018-01-04 -0.818066  1.629542 -0.595451  0.910141  0.160980  0.306660
2018-01-05  2.008658  0.456592 -0.839597  1.615013  0.718422 -0.564584
2018-01-06  0.480893  0.724015 -1.076434 -0.253731  0.337147 -0.028212
2018-01-07 -0.672501  0.739550 -1.316094  1.118234 -1.456680 -0.601890
2018-01-08 -1.028436 -1.036542 -0.459044  1.321962 -0.198338 -1.034822

在數據分析的過程中，很常見的一種情況是數據直接從excel 或者cvs 過來，可以excel中讀取數據到DataFrame ，數據在 DataFrame 中進行處理：

df = pd.read_excel('data.xlsx',sheet_name= 'Sheet1')
print df

同樣的有保存數據到excel 中 to_excel。

處理cvs數據的函數是：read_cvs 和 to_cvs ，處理HDF5的函數為 read_hdf 和 to_hdf 。

訪問DataFrame 可以跟二位數組一樣的訪問方式：

print df['A']

帶出橫軸標簽：

2018-01-01    0.712636
2018-01-02   -1.292799
2018-01-03    1.762894
2018-01-04   -0.818066
2018-01-05    2.008658
2018-01-06    0.480893
2018-01-07   -0.672501
2018-01-08   -1.028436

同樣的可以指定某一個元素：

print df['A']['2018-01-01']

對數組進行切片出來，認清橫軸和縱軸：

>>> import pandas as pd
>>> df = pd.read_excel('data.xlsx',sheet_name= 'Sheet1')
>>> df[:][0:3]
                   A         B         C         D         E         F
2018-01-01  0.712636  0.546680 -0.847866 -0.629005  2.152686  0.563907
2018-01-02 -1.292799  1.122098  0.743293  0.656412  0.989738  2.468200
2018-01-03  1.762894  0.783614 -0.301468  0.289608 -0.780844  0.873074
>>>

DataFrame 涉及的較多的函數，接下來會有更多的介紹。

更多教程：大家來編程