pandas库有什么用(pandas库作用)

扫码添加渲大师小管家，免费领取渲染插件、素材、模型、教程合集大礼包！

大家好，今天来介绍pandas库有什么用(pandas库简介)的问题，以下是渲大师小编对此问题的归纳和整理，感兴趣的来一起看看吧！

pandas库主要用于

Pandas库，主要用于数值数据和时间序列的数据操作。
它使用数据框和系列分别定义三维和二维搭拍数据。Pandas提供了索引大数据以便在大数据集中老枝禅快速搜索的选项。它以数据重塑、围绕用户定义的轴旋转、处理缺失数据、合并和连接数据集以及数据过滤选项的功能而闻名。
Pandas对于大型数据集非常有用且速度非常快。当记录超过50k时，其性能超Numpy。在数据清理方面，它是最好的侍尘库，因为它提供了像exce一样的交互性和像Numpy一样的速度。它也是为数不多的可以处理DateTime的ML库之一，无需任何外部库的任何帮助，而且代码最少。

Pandas库的介绍

Pandas是python第三方库，提供高性能易用数据类型和分析工具

import pandas as pd

Pandas基于Numpy实现，常与Numpy和Matplotlib一同使用

两个数据类型：Series，DataFrame

基盯祥弯于上述数据类型的各类操作(基本操作、运算操作、特征类操作、关联类操作)

Series类型可以由如下类型创建：

1.python列表,index与列表元素个数一致

2.标量值，index表达Series类型的尺寸

3.python字典，键值对中的‘键’是索引，index从字典中进行选择操作

4.ndarray，索引和数据都可以通过ndarray类型创建

5.其他函数，range()函数等

Series类型的基本操作

Series类型包括index和value两部分

Series类型的操作类似ndarray类型

Series类型的操作类似python字典类型

Series类型的操作类似ndarray类型：

1.索引方法相同，采用[]

2.numpy中运算和操作可用于series类型

3.可以通过自定义索引的列表进行切片

4.可以通过自动索引进行切片，如果存在自定义索引，则一同被切片

Series类型的操作类似python字典类型：

1.通过自定义索引访问

2.保留字in操作

3.使用.get()方法

Series是一维带‘标签’数组

index_0   --->data_a

Series基本操作类似ndarray和字典，根据索引对齐

DataFrame类型可以由如下类型创建：

1.二维ndarray对象

2.由一维ndarray、列表、字典、元组或Series构成的字典

3.Series类型

4.其他的DataFrame类型

重新索引

.reindex(index=None,columns=None,...)的参数

index,columns            新的行列自定义索引

fill_value                       重新索引中，用于填充缺失位置的值

method                       填充方法，ffill当前值向凯闷前填充，bfill向后填充

limit                             最大填充量

copy                             默认true，生成新的对象，false时，新旧相等不复制

索引类型的常用方法

.append(idx)           链接另一个index对象，产生新的index对象

.diff(idx)                  宴野  计算差集，产生新的index对象

.intersection(idx)        计算交集

.union(idx)                   计算并集

.delete(loc)                删除loc位置处的元素

.insert(loc,e)               在loc位置增加一个元素e

算术运算法则

算术运算根据行列索引，补齐后运算，运算默认产生浮点数

补齐时缺项填充NaN(空值)

二维和一维、一维和零维间为广播运算

采用+ - * ／符号进行的二元运算产生新的对象

方法形式运算

.add(d,argws)    类型间加法运算，可选参数

.sub(d,argws)    类型间减法运算，可选参数

.mul(d,argws)    类型间乘法运算，可选参数

.div(d,argws)    类型间除法运算，可选参数

比较运算法则

比较运算只能比较相同索引的元素，不进行补齐

二维和一维、一维和零维间为广播运算

采用>  =  <=  ==  !=等符号进行的二元运算产生布尔对象

.sort_values()方法在指定轴上根据数值进行排序，默认升序

Series.sort_values(axis=0,ascending=True)

DataFrame.sort_values(by,axis=0,ascending=True)

                   by:axis轴上的某个索引或索引列表

适用于Series和DataFrame类型

.sum()           计算数据的总和，按0轴计算，下同

.count()         非NaN值的数量

.mean()  .median()   计算数据的算术平均值，算术中位数

.var()   .std()      计算数据的方差、标准差

.min()     .max()     计算数据的最小值、最大值

.describe()         针对0轴（各列）的统计汇总

适用于Series

.argmin()    .argmax()    计算数据最大值、最小值所在位置的索引位置（自动索引）

.idxmin()     .idxmax()    计算数据最大值、最小值所在位置的索引（自定义索引）

适用于Series和DataFrame类型，累计计算

.cumsun()                  依次给出前1、2、...、n个数的和

.cumprod()                 依次给出前1、2、...、n个数的积

.cummax()                  依次给出前1、2、...、n个数的最大值

.cummin()                   依次给出前1、2、....、n个数的最小值

适用于Series和DataFrame类型，滚动计算(窗口计算)

.rolling(w).sum()                依次计算相邻w个元素的和

.rolling(w).mean()               依次计算相邻w个元素的算术平均值

.rolling(w).var()                    依次计算相邻w个元素的方差

.rolling(w).std()                   依次计算相邻w个元素的标准差

.rolling(w).min()   .max()                依次计算相邻w个元素的最小值和最大值

两个事物，表示为x和y，如何判断它们之间的存在相关性？

相关性

          1.x增大，y增大，两个变量正相关

          2.x增大，y减小，两个变量负相关

          3.x增大，y无视，两个变量不相关

相关分析函数

适用于Series和DataFrame类型

.cov()                计算协方差矩阵

.corr()                 计算相关系数矩阵，Pearson、Spearman、Kendall等系数

pandas基础的目的

主要目的是通过真实的数据，以实战的方者裂式了解数据分析的流程和熟悉数据分析python的基本操作。
Pandas是一个强大的分扒嫌型析结构化数据的工具集，它的使用基础是Numpy（提供高性能的矩阵运算），用于数据挖掘和数据分析，同时也提供数据清洗功能。
Pandas是一个开放源码、BSD许可的库，提供春猜高性能、易于使用的数据结构和数据分析工具。

Pandas基础

Pandas 是 Python 语言的一个扩展程序库，用于数据分析。
Pandas 是一个开放源码、BSD 许可的库，提供高性能、易于使用的数据结构和数据分析工具。掘碧
Pandas 名字衍生自术语 "panel data"（面板数据）和 "Python data analysis"（Python 数据分析）。
Pandas 一个强大的分析结构化数据的工具集，基础是 Numpy（提供高性能的矩阵运算）。
Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据。
Pandas 可以对各种数据进行运算操作，比如归并、再成形、激雹选择，还有数据清洗和数据加工特征。
Pandas 广泛应用在学术、金明散帆融、统计学等各个数据分析领域。