Python数据分析第二步，pandas入门，便捷高效处理复杂数据简介

关于Python的数据分析，当我们遇到的数据量小、数据结构简单时，可以通过字典、列表等Python常见的数据结构来处理。但是当我们面对的大量数据以及复杂数据的局面时，就需要用一些专门用于数据分析的扩展库来处理数据了。

今天给大家介绍一个Python里专门用来做数据分析和处理的扩展库。

pandas（pannel data analysis，面板数据分析），我个人觉得pandas用于数据分析处理有别于Python字典和列表的主要在于以下三点。

运算效率提升，pandas是基于numpy写的，换句话说也是c语言进行编写并编译成本地库的，在运算效率会高很多。

消耗资源少，因为pandas采用矩阵运算，在算法结构上比列表和字典组合数据消耗更少资源。

pandas的矩阵运算可以帮我们结构化成表格数据，省去大量自己拼接表格数据的代码开销。

本章知识点:

pandas 安装和使用

pandas 数据结构(Series)

pandas 数据结构(DataFrame)

pandas 安装和使用

通过 pip install pandas可以直接安装安装pandas和相关联的库。

提示安装成功之后我们尝试在编辑器里 import pandas 并运行，没有报错即视为安装pandas库成功。

数据结构(Series)

Series是pandas两个重要数据结构中的其中一个，Series的中文意思为（一系列;连续;接连）。它其实是一个一维数组和另一个一维数组（数据对应的索引index）相结合产生的一个数据结构。

一维数组长什么样呢？

[1,2,3,4] 这个列表就是一个一维数组。

[[1,2,3,4], [2,3,4,5]] 这个列表就是一个二维数组，以此类推。

现在我们通过Series来创建一组数据。

以上三行代码揭示了如何创建一个Series数据结构。

首先引入pandas的Series包，Series本身也是作为一个类存在的。

通过给Series类传入一个列表（list），得到它的实例化对象，赋值给变量series

最后输出series对象，我们会发现它自动在列表的每一个元素前面加上了索引

Series数据结构有什么实用价值？

Series可以用来存储一行或一列数据，以及与其相关的索引集合

简单的说，当我们有一个一维数组数据时，可以通过Series快速方便的帮我们给它加上索引，便于查询和使用。

大家可以想象成Series可以把一个列表变成一个字典进行访问。

参考以下例子：

大家可以通过上面的代码发现：

我们可以通过values直接取出series的所有值，实际上就是一个数组。

通过对series取元素key名的方式（ series[0] )可以获得具体的值。

可以将series作为一个字典进行遍历，取出其所有的Key和Value。

有朋友可能会疑惑一个问题，series[0]究竟是取的下标位置还是取的Key名？其实我们取的是Key名，因为我们在实例化Series时默认只传了一个列表参数，所以系统自动帮我们加上了从0开始的key名，现在我们试试自定义Series的Index参数。

Series在实例化时可以接受两个参数，第一个是值的序列，第二个是索引的序列。

想想我们开始怎么介绍Series的？ Series其实是一个一维数组和另一个一维数组（数据对应的索引index）相结合产生的一个数据结构 。

通过字典创建Series

我们同样可以用字典来创建一个Series，因为它的数据结构和Series的数据结构天然吻合。

如上图代码所示，我们在实例化Series时传一个字典数据进去即可。

Series修改数据

现在我们想设计这么一个数据结构。

dic1 = {"吕布":100 ,"关羽":100 ,"张飞":100 }

dic2 = {"吕布":100 ,"关羽":100 ,"张飞":100 }

用两个字典来分别定义三个武将的生命值，然后希望把这两个字典里相同key的值进行相加，看看会得到什么样的结果。

通过两个series相加，我们得到了想要的数据。

数据结构(DataFrame)

在pandas中，DataFrame是一个类似于表格的数据结构，它的索引包括 列索引和行索引，包含有一组有序的列，每个列都可以是不同的数据类型（数字、字符串等等）。

简单的说就是 DataFrame的每一行和每一列都是由Series组成的。

现在让我们来定义个DataFrame：

通过以上代码我们利用一个简单的字典数据结构创建了一个DataFrame，输出内容也像极了表格。

第一列默认是行号索引，第二列到第四列分别是我们之前定义的数据。

开始我们讲到在DataFrame中每一行或者每一列数据都是一个Series，现在我们通过以下代码来验证这个说法。

如上图所示，我们通过对DataFrame对象取key名的方式得到一个Series对象，然后就可以对Series对象进行各种操作了。

修改DataFrame的数据

现在我们希望把所有人的生命值都调整到100，参考下列代码。

如上图所示，通过对 df[Key名] 的内容进行直接赋值，可以修改整个Series的值。

我们同样可以用 df.生命值 = 100的语法来进行赋值，DataFrame已经自动帮我们把Key名转换为对象的属性了。

导出DataFrame表格数据

如果我们希望将DataFrame的数据导出成表格文件，pandas也同样支持，我们可以通过很简单的语法即可实现。

DataFrame.to_csv(文件名) 即可将数据导出为一个csv文件。

让我们来看看导出文件在表格软件里的展现。

一般情况下，我们只能通过DataFrame进行csv文件的导出，不支持对Series导出。

总结：

今天给大家简单介绍了pandas两种数据结构Series、DataFrame的用处，这对于我们如何理解pandas进行数据分析是一个好的开始，不过对于完整的学习pandas来说还远远不够，我们将在以后的章节里继续学习pandas的各种知识，把它变成我们的数据分析利器，更好的应用于工作当中。

文章最后我会用一个思维导图来总结本章的知识点：

欢迎关注我 “纸飞机编程”，获取更多有趣的Python编程信息。