这篇文章主要介绍了Pandas如何安装使用，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。
1. 安装
如果做数据分析用途建议使用Anaconda，自带pandas numy 以及很多库。
Anaconda 安装地址：https://www.continuum.io/downloads
安装之后可以在terminal 输入 conda 开头的命令（类似pip），例如list 查看已经安装的包，以及进行常用的install update等动作。
2. Import
绝大部分时候pandas都被使用者import为pd，根据作者的描述其实pandas是panel data的缩写（而不是熊猫）
import pandas as pd
3. DataFrame
DataFrame是Pandas用来处理数据最常见的格式，一张二维的表，有行，列和值。类似于一个数据库里的table 或者excel中的worksheet。如果有一个DataFrame叫df, df.columns可以得到所有的列标签，同理df.index可以得到所有的行标签。
4. 读取数据
4.1 从excel中读取数据
raw = pd.read_excel(&＃39;%s%s.xlsx&＃39; %path %filename, sheetname=&＃39;Data&＃39;, skiprows= 1)
数据会被读取到一个叫raw的DataFrame中，sheetname可以指定读某个工作表，skiprow可以跳过初始N行的数据。
4.2 从csv中读取数据
raw = pd.read_csv(&＃39;%s%s.csv&＃39; %path %filename)
5. 增删改查
5.1 增删列
新增列,位置在最后一列
raw[&＃39;新列名&＃39;] = &＃39;string&＃39;
在中间增列，使用 df.insert()
df.insert(位置,&＃39;列名&＃39;,值)
例如，在raw df第二列（index不算一列）插入一列，名为city，值为source_data的 [city]列
raw.insert(1,&＃39;column_name&＃39;,source_data[&＃39;data1&＃39;])
删除列
del raw[&＃39;列名&＃39;]
5.2 改列名
5.2.1 一次性改变所有的列名
cols = [&＃39;name_1&＃39;, &＃39;name_2&＃39;, &＃39;name_3&＃39;]
raw= raw[cols]
5.2.2 修改某个列名
使用df.rename()， 注意如果df中有多个old_name列的话都会被一并重命名为new_name
df=df.rename(columns = {&＃39;old_name&＃39;:&＃39;new_name&＃39;})
5.3 改index
把某列设为index,原index会被删除
raw = raw.set_index(&＃39;column_name&＃39;)
reset_index()，新index是以0开始的递增整数列，原index会变成一个新的列。
raw = raw.reset_index()
如果不需要原来的index中的值可以加drop = True：
raw = raw.reset_index(drop=True)
5.4 编辑值（计算值）
5.4.1 四则运算
raw[&＃39;data1&＃39;] = raw[&＃39;data1&＃39;] *100
raw[&＃39;data2&＃39;] = (raw[&＃39;data1&＃39;]+raw[&＃39;data3&＃39;])/raw[&＃39;data4&＃39;]
raw[&＃39;total&＃39;] = raw.sum(axis=1)
5.5 查列
5.5.1 筛选某列包含某值(raw df中 GEO CODE为CN的所有数据)
raw = raw[raw[&＃39;GEO_CODE&＃39;]==&＃39;CN&＃39;]
5.5.2 多条件筛选
raw = raw[(raw[&＃39;GEO_CODE&＃39;]==&＃39;CN&＃39;)&(raw[&＃39;METRIC&＃39;]==&＃39;Conversion Rate&＃39;)]
5.5.3 筛选多个列
required_key = [&＃39;User_ID&＃39;,&＃39;SEO visits&＃39;,&＃39;SEA visits&＃39;,&＃39;Conversion Rate&＃39;]
raw = raw[raw[&＃39;METRIC_KEY&＃39;].isin(required_key)]
5.6 去重
5.6.1 去重使用drop_duplicates()，主要有2个参数：
subset 需要去重的值
keep，在遇到重复值时保留第一个(keep = &＃39;first&＃39;)or最后一(keep = &＃39;last&＃39;)
df = df.drop_duplicates(subset = &＃39;column_name&＃39;, keep = &＃39;last&＃39;)
5.6.2 因为去重时，保留的值很简单是取第一个或最后一个，所以需要搭配sort_values()来保证留下的值是你想要的。sort_values()默认是升序ascending，由小到大。
df = df.sort_values(by=&＃39;column_name&＃39;)
df = df.drop_duplicates(subset = &＃39;column_name&＃39;, keep = &＃39;last&＃39;)
6 Excel功能相关
6.1 Excel的数据透视表
pd.pivot_table()
主要有3个参数，index, columns,value, 以及aggfunc
pivot= pd.pivot_table(raw, values = &＃39;Response ID&＃39;, index= [&＃39;Country&＃39;], columns=[&＃39;NPS category&＃39;], aggfunc=np.size)
aggfunc目前用过的有计数np.size 汇总np.sum 平均np.average np.mean 中位数np.median
6.2 DataFrame的融合 (vlookup or hookup)
因为excel的公式是在某个单元格中，而DataFrame一般是一次性处理行或列的数据，给某行／列根据其他行／列的数据引用赋值就相当于表格的融合。
主要用到2个方法：
详情请看下节
6.3 pd.merge()
pd.merge()非常类似数据库中join的操作，参数很丰富：
merged_df = pd.merge(left, right, how=&＃39;inner&＃39;, on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=True, suffixes=(&＃39;_x&＃39;, &＃39;_y&＃39;), copy=True, indicator=False)
merge可以提供关系型数据库中常用的几种合并方式，空值会用NaN填充：
下面是几个常用参数的详解：
参数on
pd.merge(df1, df2, on = &＃39;xxx&＃39;) #on的参数用来确定2个表共同的column。
on在这里就相当于vlookup中lookup value的定位
参数merge
pd.merge(df1, df2, how= &＃39;xxx&＃39;) #how的参数用来确定 merge method 。
Merge method和SQL join的对应关系如下：
| Merge method | SQL Join Name | Description |
|---|
| left | LEFT OUTER JOIN | 只使用左表的键(key) |
| right | RIGHT OUTER JOIN | 只使用右表的键 |
| outer | FULL OUTER JOIN | 使用两表的并集的键 |
| iner | INNER JOIN | 使用两表的交集的键 |
如果使用pd.merge实现vlookup时，正好二者的index就是共有值，只要
pd.merge(main_data,to_lookup_data,on =&＃39;left&＃39;)就OK了
参数left_on right_on
to bu input
参数left_index right_index
to bu input
6.4 pd.concat()
如果两个DataFrame column相同，二者上下拼接在一起 (增加数据行)
pd.concat([df1,df2])
如果两个DataFrame index相同，二者左右拼接在一起 (增加数据列)
pd.concat([df1,df2], axis = 1)
如果有多个DataFrame, column相同的情况下:
dfs = [df1,df2,df3,df4]
result = pd.concat(dfs)
关于pd.merge()和pd.concat() 更多细节请参考官网：
http://pandas.pydata.org/pandas-docs/stable/merging.html
7. 数据输出
假设现在有一个名为raw的DataFrame需要输出到C盘根目录
7.1 输出到csv
DataFrame自带to_csv()功能，注意如果有中文建议加encoding参数，如果不需要index可加 index= False 参数。
raw.to_csv(&＃39;C:\File_name.csv&＃39;, encoding = &＃39;utf-8&＃39;, index = False)
7.2 输出到Excel
使用pandas自带的 Excel Writer生成2010格式的excel,
from pandas import ExcelWriter
path = &＃39;C:\&＃39;
writer = ExcelWriter(&＃39;%sFile_name.xlsx&＃39; %path) #指定Excel文件名
raw.to_excel(writer, sheet_name = &＃39;worksheet_name&＃39;) #指定工作表名称
writer.save()
7.3 输出到数据库
如果要存数据库呢? RDBS和NOSQL
To be input..
8.使用datetime进行时间相关的操作
在python中用datetime也可以实现同excel中常用的日期函数一样的功能
8.1 创建现在的时间点为对象
import datetime
now = datetime.datetime.now()
today = datetime.datetime.today()
8.2 时间的位移
start_date = dt.date(today.year-2,today.month-1,today.day)
end_date = dt.date(today.year,today.month-3,today.day+1)
如果月份/日期 超过限制会报错
所以可能需要写一个循环去输出这些日期
date_list = [] while start_date < end_date: if start_date.month < 12:
date_list.append(start_date.strftime(&＃39;%Y-%m&＃39;))
start_date = datetime.date(start_date.year,start_date.month +1,start_date.day) else:
date_list.append(start_date.strftime(&＃39;%Y-%m&＃39;))
start_date = datetime.date(start_date.year+1,start_date.month-11,start_date.day)
8.3 调整格式
如上面所示，使用strftime()可以调整时间的格式，可以调整的选项非常多，参考：
http://www.runoob.com/python/att-time-strftime.html
8.4 周数的计算
8.5 工作日的计算
Excel中有个很方便的函数叫networkdays，给出起始日期，结束日期和holiday可以计算两个日期间的工作天数。而pandas或者datetime对这个需求支持的不好，所以找到了这个module: business_calendar
https://pypi.python.org/pypi/business_calendar/
8.5.1 计算日期之间的工作日数量
例如，求16年2月1日~29日的工作日有几天，已知条件:
date1 = datetime.datetime(2016,1,31)#注意如果写2月1日，当天是不包含在内的，所以写1月31日
date2 = datetime.datetime(2016,2,29)
cal = Calendar(workdays =[MO, TU, WE, TH, FR], holidays=[&＃39;2016-02-08&＃39;,&＃39;2016-02-09&＃39;,&＃39;2016-02-10&＃39;,&＃39;2016-02-11&＃39;,&＃39;2016-02-12&＃39;])
bsday = cal.busdaycount(date1, date2)
print (bsday)
感谢你能够认真阅读完这篇文章，希望小编分享的“Pandas如何安装使用”这篇文章对大家有帮助，同时也希望大家多多支持编程笔记，关注编程笔记行业资讯频道，更多相关知识等着你来学习!
京公网安备 11010802041100号