開始 #

pandas 入門#

pandas 處理哪些型別的資料？

當處理表格資料時，例如儲存在電子表格或資料庫中的資料，pandas 是您的理想工具。pandas 將幫助您探索、清理和處理資料。在 pandas 中，資料表稱為 DataFrame。

如何讀寫表格資料？

pandas 原生支援與多種檔案格式或資料來源整合（csv、excel、sql、json、parquet 等）。從這些資料來源匯入資料的能力由字首為 read_* 的函式提供。類似地，to_* 方法用於儲存資料。

如何選擇表的子集？

選擇或過濾特定的行和/或列？根據特定條件過濾資料？pandas 提供了用於切片、選擇和提取所需資料的方法。

如何在 pandas 中建立圖表？

pandas 利用 Matplotlib 的強大功能，開箱即用地為您的資料提供繪圖功能。只需選擇與您的資料相對應的圖表型別（散點圖、條形圖、箱線圖等）。

如何建立由現有列派生的新列？

無需迴圈遍歷資料表的所有行來進行計算。列資料操作在 pandas 中是逐元素工作的。根據其他列中的現有資料向 DataFrame 新增列非常直接。

如何計算彙總統計資訊？

可以輕鬆地跨 DataFrame 計算基本統計資訊（均值、中位數、最小值、最大值、計數等）。這些，甚至自定義聚合，都可以應用於整個資料集、資料滑動視窗或按類別分組。後者也稱為拆分-應用-合併方法。

如何重塑表格佈局？

以多種方式更改資料表的結構。您可以使用 melt() 將資料從寬格式重塑為長且整潔的格式。使用 pivot(): 從長格式轉換為寬格式。透過內建的聚合功能，可以使用單個命令建立資料透視表。

如何合併來自多個表的資料？

可以使用 pandas 類似資料庫的連線和合並操作，按列或按行串聯多個表。

如何處理時間序列資料？

pandas 對時間序列提供了出色的支援，並擁有一套廣泛的工具用於處理日期、時間和時間索引資料。

如何處理文字資料？

資料集通常包含的不僅僅是數值資料。pandas 提供了廣泛的函式來清理文字資料並從中提取有用資訊。

來自…#

您是否熟悉其他用於處理表格資料的軟體？瞭解 pandas 與您已知的軟體對應的操作。

R 程式語言提供了 data.frame 資料結構，以及 tidyverse 等包，它們使用並擴充套件 data.frame 以提供類似於 pandas 的便捷資料處理功能。

是否已熟悉 SELECT、GROUP BY、JOIN 等？許多 SQL 操作在 pandas 中都有對應的功能。

STATA 統計軟體套件中包含的 data set 與 pandas 的 DataFrame 對應。STATA 中已知的許多操作在 pandas 中都有對應的功能。

Excel 或其他電子表格程式的使用者會發現許多概念都可以遷移到 pandas。

統計軟體套件 SAS 使用 data set 結構，這與 pandas 的 DataFrame 非常相似。SAS 的向量化操作，如過濾或字串處理操作，在 pandas 中也有類似的功能。