pandas 處理什麼類型的資料？#

  • 我想開始使用 pandas

    In [1]: import pandas as pd

    若要載入 pandas 套件並開始使用，請匯入套件。社群同意的 pandas 別名為 pd，因此將 pandas 載入為 pd 被假設為所有 pandas 文件的標準做法。

pandas 資料表表示#

../../_images/01_table_dataframe.svg

  • 我想儲存鐵達尼號的乘客資料。對於許多乘客，我知道姓名（字元）、年齡（整數）和性別（男性/女性）資料。

    In [2]: df = pd.DataFrame(
   ...:     {
   ...:         "Name": [
   ...:             "Braund, Mr. Owen Harris",
   ...:             "Allen, Mr. William Henry",
   ...:             "Bonnell, Miss. Elizabeth",
   ...:         ],
   ...:         "Age": [22, 35, 58],
   ...:         "Sex": ["male", "male", "female"],
   ...:     }
   ...: )
   ...: 

In [3]: df
Out[3]: 
                       Name  Age     Sex
0   Braund, Mr. Owen Harris   22    male
1  Allen, Mr. William Henry   35    male
2  Bonnell, Miss. Elizabeth   58  female

    若要手動將資料儲存在表格中，請建立 DataFrame。當使用 Python 字典清單時，字典金鑰將用作欄位標頭，而每個清單中的值則用作 DataFrame 的欄位。

DataFrame 是一個 2 維資料結構，可以在欄位中儲存不同類型的資料（包括字元、整數、浮點值、分類資料等）。它類似於試算表、SQL 表格或 R 中的 data.frame。

  • 表格有 3 個欄位，每個欄位都有欄位標籤。欄位標籤分別為 Name、Age 和 Sex。

  • 欄位 Name 包含文字資料，每個值都是字串，欄位 Age 是數字，而欄位 Sex 是文字資料。

在試算表軟體中，資料的表格表示法看起來會非常類似

../../_images/01_table_spreadsheet.png

DataFrame 中的每個欄位都是 Series#

../../_images/01_table_series.svg

  • 我只對處理欄位 Age 中的資料有興趣

    In [4]: df["Age"]
Out[4]: 
0    22
1    35
2    58
Name: Age, dtype: int64

    選取 pandas DataFrame 的單一欄位時，結果會是 pandas Series。若要選取欄位，請在方括號 [] 中間使用欄位標籤。

注意

如果您熟悉 Python 字典，則選取單一欄位與根據鍵選取字典值非常類似。

您也可以從頭建立 Series

In [5]: ages = pd.Series([22, 35, 58], name="Age")

In [6]: ages
Out[6]: 
0    22
1    35
2    58
Name: Age, dtype: int64

pandas Series 沒有欄位標籤，因為它只是 DataFrame 的單一欄位。Series 有列標籤。

使用 DataFrame 或 Series 執行某項操作#

  • 我想知道乘客的最大年齡

    我們可以在 DataFrame 中選取 Age 欄位並套用 max() 來執行此操作

    In [7]: df["Age"].max()
Out[7]: 58

    或套用至 Series

    In [8]: ages.max()
Out[8]: 58

如 max() 方法所示，您可以對 DataFrame 或 Series 執行 某項操作。pandas 提供許多功能，每個功能都是您可以套用至 DataFrame 或 Series 的 方法。由於方法是函數，請記得使用括號 ()。

  • 我對資料表的數值資料的一些基本統計資料感興趣

    In [9]: df.describe()
Out[9]: 
             Age
count   3.000000
mean   38.333333
std    18.230012
min    22.000000
25%    28.500000
50%    35.000000
75%    46.500000
max    58.000000

    方法 describe() 提供 DataFrame 中數值資料的快速概觀。由於 Name 和 Sex 欄位是文字資料，因此方法 describe() 預設不會將這些欄位納入考量。

許多 pandas 作業會傳回 DataFrame 或 Series。方法 describe() 是 pandas 作業傳回 pandas Series 或 pandas DataFrame 的範例。

使用指南

在使用者指南有關 使用 describe 進行聚合 的章節中，查看 describe 的更多選項。

注意

這只是一個起點。與試算表軟體類似，pandas 將資料表示為有欄和列的表格。除了表示方式外，pandas 也支援試算表軟體中會進行的資料處理和計算。繼續閱讀後續教學課程，開始學習！

請記住

  • 匯入套件，亦即 import pandas as pd

  • 資料表格儲存在 pandas DataFrame 中

  • 在 DataFrame 中的每個欄位都是 Series

  • 您可以透過將方法套用至 DataFrame 或 Series 來執行操作

使用指南

有關 DataFrame 和 Series 的更詳細說明，請參閱 資料結構簡介。