深入淺出Pandas數據分析
大家好，我是Peter~
《深入淺出Pandas數據分析》第一版本終於可以和大家見面咯！文末有資料領取方式
從4月24號的第一篇Pandas文章：《一切從爆炸函數開始》，到昨天8月5號的《圖解Pandas的軸旋轉函數：stack和unstack》，總共歷時103天，讓Pandas來見證吧：
兩行代碼告訴你兩個日期之間的時間差，這就是Pandas👏
什麼是Pandas
什麼是Pandas？引用一段來自Pandas中文官網的解釋：
Pandas 是 Python的核心數據分析支持庫，提供了快速、靈活、明確的數據結構，旨在簡單、直觀地處理關係型、標記型數據。Pandas 的目標是成爲 Python 數據分析實踐與實戰的必備高級工具，其長遠目標是成爲最強大、最靈活、可以支持任何語言的開源數據分析工具
簡單解釋：Pandas是Python的第三庫中數據處理和分析最厲害的一個庫！
Pandas能處理什麼數據
Pandas是一個強大的數據分析庫，那它能夠處理哪些類型的數據？
- 類似SQL和Excel的表格型數據
- 有序和無序的時間序列數據，常用在金融領域
- 帶行列標籤的矩陣數據，因爲Pandas本身也是基於Numpy開發
103天我寫了什麼
這103天總共更新了16篇關於Pandas的文章：
第一篇：一切從爆炸函數開始
這篇文章主要講解的是Pandas中一個函數的使用：explode
它實現的是類似hive中explode函數的功能：從左邊的信息統計出右邊的信息
第二篇：Series類型數據
Pandas中有兩種數據類型，其中一種就是Series。
Series 是一維數組結構，它僅由index（索引）和value（值）構成的。
第三篇：創建DataFrame：10種方式任你選
第三篇文章介紹的是Pandas中最常用的一種數據結構：DataFrame 的10種創建方式。
DataFrame 是將數個 Series 按列合併而成的二維數據結構，每一列單獨取出來是一個 Series ；除了擁有index和value之外，還有column
寫完之後纔想起來，漏了一種方式：通過剪貼板直接創建。當我們在剪貼板中準備好了數據，運行下面的語句就可以直接創建：
df = pd.read_clipboard()
df
第四篇：各種騷氣的Pandas取數操作
前兩篇文章介紹了Series和DataFrame兩種數據結構的創建，那麼接下來介紹的是：如何從中取數我們想要的數據。
Pandas中取數的方式真的是五花八門，所以總共花了3篇文章。第四篇文章中的方法主要是：
第五篇：贊！五花八門的Pandas篩選數據
也是關於Pandas中取數的文章，主要介紹的是：
第六篇：最後一篇：玩轉Pandas取數
最後一篇介紹如何在Pandas中取數，重點介紹了3對函數：它們使用的時候有細微的區別
第七篇：數據處理的基石：數據探索
在我們拿到數據導入到Pandas，進行後續的處理之前，我們需要先查看下數據的基本信息，對這份數據有一個初步的瞭解，一般包含如下信息：
第八篇：Pandas數據類型操作
Pandas在處理數據的時候，保證數據類型的準確非常重要，第七篇文章主要是介紹了3種常見的數據類型轉換方法+數據類型篩選的方法：
- 使用astype()函數進行強制類型轉換
- 通過自定義函數來進行數據類型轉換
- 使用Pandas提供的函數如to_numeric()、to_datetime()等進行轉化
- select_dtypes函數的使用
第九篇：圖解Pandas的groupby機制
groupby分組統計是工作和數據處理工程中常見的一種方法。這篇文章詳解了groupby的內部機制。
第十篇：圖解Pandas的排名rank機制
本篇文章主要是類比SQL中的排名和窗口函數，介紹瞭如何利用Pandas的rank函數來實現：
- row_number：順序排名，rank函數的中的method=first
- rank：跳躍排名，rank函數的中的method=min
- dense_rank：密集排名，rank函數的中的method=dense
第十一篇：圖解Pandas的排序機制sort_values
有了排名，必然也要來實現一下排序。排序sort_values函數在平時使用的頻率是非常高的，經常需要對銷售數據做TopN分析，就需要分組統計數據之後再進行一下排序。
第十二篇：圖解Pandas的缺失值處理
一般情況下，數據都不是完美的。需要我們進行前期的各種處理操作，對缺失值的處理就是其中之一。
本篇文章主要是介紹了利用Pandas處理缺失值，包含：對缺失值的判斷、刪除缺失值、填充缺失值：
- df.isnull()、df.notnull()：兩個函數互爲取反
- df.isna()：等同於df.isnull()
- df.dropna()：刪除缺失值
- df.fillna()：填充缺失值
第十三篇：圖解Pandas重複值處理
數據中存在重複值也是常有的情況，本篇文章中主要是介紹了重複值處理的兩種方式：
- duplicated()：判斷是否有重複值
- drop_duplicates() ：刪除重複值
第十四篇：挑戰SQL：圖解Pandas的數據合併merge
在實際的業務需求中，我們的數據可能存在於不同的庫表中，SQL可以通過各種join來實現，Pandas中主要是通過merge函數來實現的。
在這篇文章中詳細介紹了merge的各個參數如何使用：
pd.merge(left, # 待合併的2個數據框
right,
how='inner', # ‘left’, ‘right’, ‘outer’, ‘inner’, ‘cross’
on=None, # 連接的鍵，默認是相同的鍵
left_on=None, # 指定不同的連接字段：鍵不同，但是鍵的取值有相同的內容
right_on=None,
left_index=False, # 根據索引來連接
right_index=False,
sort=False, # 是否排序
suffixes=('_x', '_y'), # 改變後綴
copy=True,
indicator=False, # 顯示字段來源
validate=None)
第十五篇：圖解Pandas數據合併：concat、join、append
Pandas中除了常用的merge函數來實現數據合併，還有3個函數也能實現部分的合併功能：concat、join、append；尤其是concat，其實也挺常用的。
concat參數：
pandas.concat(objs, # 合併對象
axis=0, # 合併方向，默認是0縱軸方向
join='outer', # 合併取的是交集inner還是並集outer
ignore_index=False, # 合併之後索引是否重新
keys=None, # 在行索引的方向上帶上原來數據的名字；主要是用於層次化索引，可以是任意的列表或者數組、元組數據或者列表數組
levels=None, # 指定用作層次化索引各級別上的索引，如果是設置了keys
names=None, # 行索引的名字，列表形式
verify_integrity=False, # 檢查行索引是否重複；有則報錯
sort=False, # 對非連接的軸進行排序
copy=True # 是否進行深拷貝
)
join參數：
dataframe.join(other, # 待合併的另一個數據框
on=None, # 連接的鍵
how='left', # 連接方式：‘left’, ‘right’, ‘outer’, ‘inner’ 默認是left
lsuffix='', # 左邊（第一個）數據框相同鍵的後綴
rsuffix='', # 第二個數據框的鍵的後綴
sort=False) # 是否根據連接的鍵進行排序；默認False
append主要參數：
DataFrame.append(
other, # 追加對象
ignore_index=False, # 是否保留原索引
verify_integrity=False, # 檢查行索引是否重複；有則報錯
sort=False)
第十六篇：圖解Pandas的軸旋轉函數stack和unstack
stack和unstack也是一對互爲逆操作的函數，它們二者的作用的是對Pandas的數據軸進行旋轉，二者特點爲：
- stack: 將數據的列columns轉旋轉成行index
- unstack：將數據的行index旋轉成列columns
- 二者默認操作的都是最內層
來自官網的兩張圖來解釋二者的用法：
文章有什麼特色
在寫作的過程中，參考了官網和很多資料，也有自己平時使用的一些心得，同時也模擬了很多數據，總結下幾個特色：
- 案例豐富：每篇文章都是通過模擬來進行說明
- 圖文並茂：文章使用了大量的圖形來解釋函數的使用，更加直觀，加深印象
- 貼近現實：很多模擬數據都是可以直接套用在真實的業務場景中
後續工作
目前寫的內容真的僅僅是Pandas庫的冰山一角，還有很多的內容沒有展開。但是如果讀者能夠認真看完，並且自己實際去運行和理解代碼，相信還是會有很大的收穫，入門pandas必定是問（聽）題（你）不（吹）大（牛）！🐂
後續Pandas的文章會持續更新，這將是一個長期的過程。以後會帶來更多高級使用技巧和案例，幫助讀者掌握Pandas的使用。
領取方式：關注公衆號[尤而小屋]，回覆Pandas即可領取