作者|Billy Fetzner
編譯|VK
來源|Towards Data Science
我認爲，既然你點開了這個頁面，你可能有大量的數據需要分析，你可能正在想最好和最有效的方法來解決你數據的一些問題。你問題的答案可以通過Pandas解決。
如何接觸Pandas
由於Pandas的流行，它有自己的傳統縮寫，所以無論何時將Pandas導入python，請使用以下命名：
import pandas as pd
Pandas包的主要用途是數據框
Pandas API將Pandas數據幀定義爲：
二維、大小可變、潛在的異構表格數據。數據結構還包含軸（行和列）。算術運算對行標籤和列標籤進行對齊。可以認爲是一個類似於dict的容器，用於存儲序列對象。是Pandas主要的數據結構。
基本上，這意味着你有包含在格式中的數據，如下所示。在行和列中找到的數據：
數據幀非常有用，因爲它們提供了一種高效的方法來可視化數據，然後按你希望的方式操作數據。
這些行可以很容易地被索引引用，索引是數據幀最左邊的數字。索引將是從零開始的編號，除非你指定每一行的名稱。列也可以很容易地被列名稱（例如“Track name”）或其在數據幀中的位置進行引用。我們將在本文後面詳細討論引用行和列。
創建數據幀
創建Pandas數據幀的方法有幾種：
從.csv文件導入數據（或其他文件類型，例如Excel、SQL數據庫）
從列表中
從字典裏
從numpy數組
其他
通常，你將主要將.csv文件或某種類型的數據源的數據放入Pandas數據框架中，而不是從頭開始，因爲這將需要非常長的時間來完成，這取決於你擁有的數據量。以下是python字典中的一個快速、簡單的示例：
import pandas as pd
dict1 = {'Exercises': ['Running','Walking','Cycling'],
'Mileage': [250, 1000, 550]}
df = pd.DataFrame(dict1)
df
輸出：
字典鍵（“Exercises”和“Mileage”）成爲相應的列標題。字典中的值是本示例中的列表，成爲數據幀中的單個數據點。Running是“Exercises”列表中的第一個，250將被列在第二列的第一個。另外，你會注意到，由於我沒有爲數據幀的索引指定標籤，因此它會自動標記爲0、1和2。
但是，就像我之前所說的，創建Pandas數據幀的最可能方法是從csv或其他類型的文件中導入，你將導入該文件來分析數據。只需以下內容即可輕鬆完成：
df = pd.read_csv("file_location.../file_name.csv")
pd.read_csv是一種非常強大和通用的方法，根據你希望如何導入數據，它將非常有用。如果csv文件已經附帶了頭或索引，則可以在導入時指定。爲了充分了解pd.read_csv，我建議你看看這裏的PandasAPI：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html?highlight=read_csv
第一件事
現在你已經準備好了這個巨大的數據集，你必須查看它，看看它的外觀。作爲一個分析這些數據的人，首先必須對數據集熟悉，並真正瞭解數據集中發生了什麼。我喜歡用四種方法來了解我的數據。
- .head() & .tail()
- .info()
- .describe()
- .sample()
raw_song.head()
它顯示數據幀的前5行和每個列，以便你輕鬆地總結數據的外觀。你還可以在方法中指定一定數量的行，以顯示更多行。
.tail僅顯示最後5行。
raw_song.tail()
從這兩個快速方法中，我對列名和數據的外觀有了一個大致的瞭解，這只是從數據集的一個小樣本中得到的。這些方法也非常有用，尤其是對於Spotify數據集這樣的數據集，處理超過300萬行的數據時，你可以輕鬆地顯示數據集並快速瞭解數據，而且你的計算機也不會花很長時間來顯示數據。
.info也很有用，它向我顯示了所有列、它們的數據類型以及是否有null數據點。
raw_song.info(verbose=True, null_counts=True)
如果你有完整的整型或浮點型列（即'Position'、'Streams'），那麼.describe是一個有用的方法，可以幫助你更好地瞭解數據集，因爲它將顯示關於這些列的許多描述性統計信息。
raw_song.describe()
最後，.sample將允許你隨機對數據幀進行採樣，並查看你所做的任何操作是否錯誤地更改了數據集中的某些內容，而且當你第一次探索數據集時，也可以很好地瞭解數據集包含哪些內容
raw_song.sample(10)
在探索和準備數據集進行分析時，我始終使用這些方法。每當我更改列中的數據、更改列名或添加/刪除行/列時，我都會通過至少快速運行前面5個方法中的一些來確保所有更改都按我希望的方式進行。
選擇行或列
太棒了，現在你知道如何將數據集作爲一個整體來看待，但實際上你只想查看幾列或幾行，然後將其餘部分排除在外。
.loc[]和.iloc[]
這兩個方法將以不同的方式來實現這一點，這取決於你能夠引用特定行或列的方式。
如果知道行或列的標籤，請使用.loc[]。
如果知道行或列的索引，請使用.iloc[]。
如果你兩者都知道，就選你最喜歡的。
因此，回到Spotify數據集。你可以使用.loc[]或.iloc[]查看列“Track Name”。如果知道列的標籤可以使用.loc[]，所以我將使用以下內容：
raw_song.loc[:,'Track Name']
第一個括號後面的冒號指定我引用的行，由於我希望所有行都位於“Track Name”列中，所以我使用“：”。
我將收到與.iloc[]相同的輸出，但這次需要指定“Track Name”列的索引：
raw_song.iloc[:,1]
.loc[]和.iloc[]對行的作用相同，但在本例中，因爲行的標籤和索引都是相同的，所以它們看起來完全相同。
切片
另一種獲取DataFrame部分的簡單方法是使用[]並在方括號內指定列名。
raw_song[['Artist','Streams']].head()
如果你只使用一列和一組括號，你將得到Pandas Series。
raw_song['Streams']
從數據幀添加行、列
利用我們已經從.loc[]獲得的信息，我們可以使用this或.insert將行或列添加到數據幀中。
添加行
如果決定使用.loc[]將行添加到dataframe，則只能將其添加到dataframe的底部。指定dataframe中的任何其他索引，刪除當前在該行中的數據，並用要插入的數據替換它。
raw_song.loc[3441197] = [0,'hello','bluemen',1,"https://open.spotify.com/track/notarealtrack", '2017-02-05','ec']
你也可以使用.loc[]將列添加到數據幀中。
raw_song.loc[:,'new_col'] = 0
raw_song.tail()
除了在末尾之外，還有兩種方法可以將新列插入數據幀中。
insert方法允許你指定要將列放入數據幀的位置。它接受3個參數、要放置它的索引、新列的名稱以及要作爲列數據放置的值。
raw_song.insert(2,'new_col',0)
raw_song.tail()
將列添加到dataframe的第二種方法是通過使用[]命名新列並使其與新數據相等，從而使其成爲dataframe的一部分。
raw_song['new_col'] = 0
raw_song.tail()
通過這種方式，我無法指定新列的位置，但這是執行該操作的另一種有用方法。
從數據幀中刪除行、列
如果你想刪除一些行或列，這很簡單，只需刪除它們。
只需指定要刪除的軸（行爲0，列爲1）和要刪除的行或列的名稱，就可以開始了！
raw_song.drop(labels='new_col',axis=1)
重命名索引或列
如果要將dataframe的索引更改爲dataframe中的其他列，請使用.set_index並在括號中指定列的名稱。但是，如果你確切知道要爲索引命名的內容，請使用.rename方法。
raw_song.rename(index={0:'first'}).head()
要重命名列，請在.rename方法中指定要重命名的列以及在{}中要爲其命名的名稱，類似於重命名索引。
raw_song.rename(columns={'Position':'POSITION_RENAMED'}).head()
如何迭代數據幀
很多時候，當你處理數據幀中的數據時，你需要以某種方式更改數據並迭代數據幀中的所有值。最簡單的方法是在pandas中內置for循環：
for index, col in raw_song.iterrows():
# 在此處操作數據
如何將數據幀寫入文件
在完成對數據幀的所有操作之後，現在是導出數據幀的時候了，以便可以將其發送到其他地方。與從文件導入數據集類似，現在正好相反。Pandas有多種不同的文件類型，你可以將數據幀寫入其中，但最常見的是將其寫入csv文件。
pd.to_csv('file_name.csv')
現在你知道Pandas和數據幀的基本知識了。這些是數據分析工具箱中非常強大的工具。
原文鏈接：https://towardsdatascience.com/an-introduction-to-pandas-29d15a7da6d
歡迎關注磐創AI博客站：
http://panchuang.net/
sklearn機器學習中文官方文檔：
http://sklearn123.com/
歡迎關注磐創博客資源彙總站：
http://docs.panchuang.net/