本篇内容介绍了“Pandas的功能及用法”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
滕州网站建设公司创新互联公司,滕州网站设计制作，有大型网站制作公司丰富经验。已为滕州上1000+提供企业网站建设服务。企业网站搭建\外贸营销网站建设要多少钱，请找那个售后服务好的滕州做网站的公司定做！
做数据分析发现数据分析技能入门阶段存在一个普遍性的问题，很多凭着兴趣入坑的同学，都能够很快熟悉Python基础语法，然后不约而同的一头扎进《利用Python进行数据分析》这本经典之中，硬着头皮啃完之后，好像自己什么都会了一点，然而实际操作起来既不知从何操起，又漏洞百出。
江湖上流传着这么一句话——分析不识潘大师（PANDAS），纵是老手也枉然。
Pandas是基于Numpy的专业数据分析工具，可以灵活高效的处理各种数据集，也是我们后期分析案例的神器。它提供了两种类型的数据结构，分别是DataFrame和Series，我们可以简单粗暴的把DataFrame理解为Excel里面的一张表，而Series就是表中的某一列，后面学习和用到的所有Pandas骚操作，都是基于这些表和列进行的操作（关于Pandas和Excel的形象关系，推荐张俊红写的《对比EXCEL，轻松学习Python数据分析》)。
这里有一点需要强调，Pandas和Excel、SQL相比，只是调用和处理数据的方式变了，核心都是对源数据进行一系列的处理，在正式处理之前，更重要的是谋定而后动，明确分析的意义，理清分析思路之后再处理和分析数据，往往事半功倍。
在Pandas中我们想要构造下面这一张表应该如何操作呢？
别忘了，第一步一定是先导入我们的库——import pandas as pd
构造DataFrame最常用的方式是字典+列表，语句很简单，先是字典外括，然后依次打出每一列标题及其对应的列值（此处一定要用列表），这里列的顺序并不重要：
import pandas as pdimport numpy as npprint(pd.__version__)df1 = pd.DataFrame({
'工资':[5000,7000,9000,8500],'绩效分':[60,84,98,91],'备注':['不及格','良好','最佳','优秀']}, index=['老王','小刘','小赵','老龚'])df1
左边是jupyter notebook中dataframe的样子，如果对应到excel中，他就是右边表格的样子，通过改变columns,index和values的值来控制数据。PS: 如果我们在创建时不指定index，系统会自动生成从0开始的索引。
更多时候，我们是把相关文件数据直接读进PANDAS中进行操作，这里介绍两种非常接近的读取方式，一种是CSV格式的文件，一种是EXCEL格式（.xlsx和xls后缀）的文件。
读取csv文件：
df2 = pd.read_csv("/home/kg/liujinjie/phonebook/流量练习数据.csv",engine="python")df2.head()
engine是使用的分析引擎，读取csv文件一般指定python避免中文和编码造成的报错。而读取Excel文件，则是一样的味道：
df2 = pd.read_exce.("/home/kg/liujinjie/phonebook/流量练习数据.xls")df2.head()
非常easy，其实read_csv和read_excel还有一些参数，比如header、sep、names等等，大家可以做额外了解。实践中数据源的格式一般都是比较规整的，更多情况是直接读取。
存储起来一样非常简单粗暴且相似：
df2.to_csv("/home/kg/liujinjie/phonebook/sowhat.csv")df3.to_excel("/home/kg/liujinjie/phonebook/sowhat.xlsx")| 流量来源 | 来源明细 | 访客数 | 支付转化率 | 客单价 |
|---|---|---|---|---|
| 一级 | -A | 35188 | 9.98% | 54.3 |
| 一级 | -B | 28467 | 11.27% | 99.93 |
| 一级 | -C | 13747 | 2.54% | 0.08 |
| 一级 | -D | 5183 | 2.47% | 37.15 |
| 一级 | -E | 4361 | 4.31% | 91.73 |
| 一级 | -F | 4063 | 11.57% | 65.09 |
| 一级 | -G | 2122 | 10.27% | 86.45 |
| 一级 | -H | 2041 | 7.06% | 44.07 |
| 一级 | -I | 1991 | 16.52% | 104.57 |
| 一级 | -J | 1981 | 5.75% | 75.93 |
| 一级 | -K | 1958 | 14.71% | 85.03 |
| 一级 | -L | 1780 | 13.15% | 98.87 |
| 一级 | -M | 1447 | 1.04% | 80.07 |
| 二级 | -A | 39048 | 11.60% | 91.91 |
| 二级 | -B | 3316 | 7.09% | 66.28 |
| 二级 | -C | 2043 | 5.04% | 41.91 |
| 三级 | -A | 23140 | 9.69% | 83.75 |
| 三级 | -B | 14813 | 20.14% | 82.97 |
| 四级 | -A | 216 | 1.85% | 94.25 |
| 四级 | -B | 31 | 0.00% | |
| 四级 | -C | 17 | 0.00% | |
| 四级 | -D | 3 | 0.00% |
这里以我们的案例数据为例，迅速熟悉查看N行，数据格式概览以及基础统计数据。
很多时候我们想要对数据内容做一个总览，用df.head()函数直接可以查看默认的前5行，与之对应，df.tail()就可以查看数据尾部的5行数据，这两个参数内可以传入一个数值来控制查看的行数，例如df.head(10)表示查看前10行数据。
df.info()帮助我们一步摸清各列数据的类型，以及缺失情况：
df.describe() 快速计算数值型数据的关键统计指标，像平均数、中位数、标准差等等。
我们本来有5列数据，为什么返回结果只有两列？那是因为这个操作只针对数值型的列。其中count是统计每一列的有多少个非空数值，mean、std、min、max对应的分别是该列的均值、标准差、最小值和最大值，25%、50%、75%对应的则是分位数。
这里，我们采用SQL四大法宝的逻辑来简单梳理针对列的基本处理方式——增、删、选、改。
温馨提示：使用Pandas时，尽量避免用行或者EXCEL操作单元格的思维来处理数据，要逐渐养成一种列向思维，每一列是同宗同源，处理起来是嗖嗖的快，just like HBase。
增加一列，用df[‘新列名’] = 新列值的形式，在原数据基础上赋值即可：
我们用drop函数制定删除对应的列，axis = 1表示针对列的操作，inplace为True，则直接在源数据上进行修改，否则源数据会保持原样。
想要选取某一列怎么办？df[‘列名’]即可：
选取多列呢？需要用列表来传递：df[[‘第一列’,‘第二列’,‘第三列’…]]
好事多磨，复杂的针对特定条件和行列的筛选、修改，放在后面结合案例细讲，这里只讲一下最简单的更改：df[‘旧列名’] = 某个值或者某列值，就完成了对原列数值的修改。
字符串类型是最常用的格式之一了，Pandas中字符串的操作和原生字符串操作几乎一毛一样，唯一不同的是需要在操作前加上.str。
提示：我们最初用df2.info()查看数据类型时，非数值型的列都返回的是object格式，和str类型深层机制上的区别就不展开了，在常规实际应用中，我们可以先理解为object对应的就是str格式，int64对应的就是int格式，float64对应的就是float格式即可。
在案例数据中，我们发现来源明细那一列，可能是系统导出的历史遗留问题，每一个字符串前面都有一个-符号，又丑又无用，所以把他给拿掉：
一般来说清洗之后的列是要替换掉原来列的：
数值型数据，常见的操作是计算，分为与单个值的运算，长度相等列的运算。以案例数据为例，源数据访客数我们是知道的，现在想把所有渠道的访客都加上10000，怎么操作呢？
只需要选中访客数所在列，然后加上10000即可，pandas自动将10000和每一行数值相加，针对单个值的其他运算（减乘除）也是如此。
列之间的运算语句也非常简洁。源数据是包含了访客数、转化率和客单价，而实际工作中我们对每个渠道贡献的销售额更感兴趣。（销售额 = 访客数 X 转化率 X 客单价）
对应操作语句：df[‘销售额’] = df[‘访客数’] * df[‘转化率’] * df[‘客单价’]
但为什么疯狂报错？
导致报错的原因，是数值型数据和非数值型数据相互计算导致的。PANDAS把带%符号的转化率识别成字符串类型，我们需要先拿掉百分号，再将这一列转化为浮点型数据：
要注意的是，这样操作，把9.98%变成了9.98，所以我们还需要让支付转化率除以100，来还原百分数的真实数值：
然后，再用三个指标相乘计算销售额：
PANDAS中时间序列相关的水非常深，这里只对日常中最基础的时间格式进行讲解，对时间序列感兴趣的同学可以自行查阅相关资料，深入了解。
以案例数据为例，我们这些渠道数据，是在2019年8月2日提取的，后面可能涉及到其他日期的渠道数据，所以需要加一列时间予以区分，在EXCEL中常用的时间格式是2019-8-3或者2019/8/3，我们用PANDAS来实现一下：
在实际业务中，一些时候PANDAS会把文件中日期格式的字段读取为字符串格式，这里我们先把字符串2019-8-3赋值给新增的日期列，然后用to_datetime()函数将字符串类型转换成时间格式：
转换成时间格式（这里是datetime64）之后，我们可以用处理时间的思路高效处理这些数据，比如，我现在想知道提取数据这一天离年末还有多少天（‘2020-12-31’），直接做减法（该函数接受时间格式的字符串序列，也接受单个字符串）：
最后我们一起快速回顾下：
第一步，我们先了解PANDAS到底是个什么东西。
第二步，学习如何构建、读入存储数据。
第三步，拿到数据之后，怎么样快速查看数据。
第四步，对数据有了基础了解，就可以进行简单的增删选改了。
第五步，在了解基础操作之后，对Pandas中基础数据类型进行了初步照面。
“Pandas的功能及用法”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站，小编将为大家输出更多高质量的实用文章！
