Python22 Pandas库

Pandas 是一个Python数据分析库，它提供了高性能、易于使用的数据结构和数据分析工具。这个库适用于处理和分析输入数据，常见于统计分析、金融分析、社会科学研究等领域。

1.Pandas的核心功能

Pandas 库的核心功能包括：

1.数据结构：Pandas 提供了两种主要的数据结构——DataFrame 和 Series。DataFrame 是一个表格型的数据结构，可以想象成一个关系型数据表，具有可变的行和列。Series 是一个一维的标签数组，能够保存任何数据类型（整数、字符串、浮点数等）。

2.数据操作：Pandas 支持对数据进行插入、删除、合并、切片、聚合和重塑等多种操作。

3.处理缺失数据：Pandas 能够轻松处理缺失数据（例如：NaN）。

4.文件操作：Pandas 支持直接从或保存到多种文件格式如 CSV、Excel、SQL 数据库以及 HDF5 格式。

5.时间序列分析：Pandas 对时间序列数据有优秀的处理能力，能够进行日期范围生成、频率转换、移动窗口统计等操作。

因此，Pandas 是数据科学和量化分析领域中不可或缺的工具之一，用于数据清洗、分析以及准备数据用于进一步的统计或机器学习处理。

2.Pandas的使用

（1）Series数据结构

Series 对象是Pandas库中的基本数据结构之一，它主要用于单维度的数据集合（整数、浮点数、字符串、Python 对象等）。这种数据结构广泛应用于数据分析、数据清洗以及数据预处理过程中。该对象支持各种操作，如算术运算、聚合函数（求和、平均、最大值等）和条件过滤。同时，Series 非常适合处理时间序列数据。它可以有一个时间索引，这使得进行时间序列分析（如趋势分析、季节性调整等）变得更加直接和高效。此外，Pandas 还允许Series对象与其他数据结构（如DataFrame）无缝工作，可以方便地从 Series 转换到 DataFrame，反之亦然。

import pandas as pd  # 导入库并设置别名为‘pd’
import numpy as np  # 导入库并设置别名为‘np’
import matplotlib.pyplot as plt

# 创建一个Series对象：传递一个数值列表作为参数，令Pandas使用默认索引
s=pd.Series([1,2,4,np.nan,6,7,9,10])  # 其中np.nan是numpy中的特殊值，表示非数字（Not a Number），它通常用于表示缺失值或未定义的数值
print(s)

# 输出：
'''
0     1.0
1     2.0
2     4.0
3     NaN
4     6.0
5     7.0
6     9.0
7    10.0
dtype: float64
'''

(2)创建DataFrame对象

DataFrame 是一个二维的、表格型的数据结构，它可以存储多种类型的数据（整数、浮点数、字符串、Python 对象等），并且具有行和列的标签。

# 创建一个DataFrame对象:传递datetime索引和列标签的Numpy数组作为参数
# 首先创建一个时间序列，代码生成一个DatetimeIndex，包含从2013-01-01到2013-01-06的六个连续日期。
dates=pd.date_range('20130101',periods=6)
print(dates)
#创建DataFrame对象，指定index和columns标签
df=pd.DataFrame(np.random.randn(6,4),index=dates,columns=list('ABCD'))  # 生成一个6行4列的列表，元素是从标准正态分布中抽取的随机数
print(df)

# 输出：
'''
DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',
               '2013-01-05', '2013-01-06'],
              dtype='datetime64[ns]', freq='D')
                   A         B         C         D
2013-01-01 -1.3