pandas 不识 Pandas，纵是老手也枉然？

别忘了，第一步必须是导入我们的库——导入熊猫为PD

构造数据框最常用的方法是字典+列表。语句很简单。首先将字典括起来，然后依次键入每个列标题及其对应的列值(此处必须使用列表)。此处的列顺序并不重要:

很简单。其实read_csv和read_excel都有一些参数，比如表头、sep、名称等。，您可以进一步了解。实际上，数据源的格式一般都是有规律的，更多的时候是直接读取的。

3.存储

它很简单，粗鲁，类似于商店:

快速识别数据

在这里，以我们的案例数据为例，快速熟悉地查看N行、数据格式概述和基本统计数据。

1.查数据看尾巴

在许多情况下，我们希望对数据内容进行概述。通过使用df.head函数，我们可以直接查看默认的前五行。相应的，df.tail可以查看最后五行数据。可以在这两个参数中传递一个数值来控制查看的行数。例如，df.head(10)表示查看前十行数据。

从上面可以直接知道数据集的行数和列数，数据集的大小，每列的数据类型，有多少条非空数据存在。

3.统计信息概述

快速计算数值数据的关键统计指标，如均值、中位数、标准差等。

我们本来有五列数据，为什么只返回两列结果？这是因为该操作仅适用于数值列。Count计算每列中非空值的数量。平均值、标准值、最小值和最大值对应于该列的平均值、标准偏差、最小值和最大值，25%、50%和75%对应于分位数。

立柱的基本处理

这里我们用SQL四大法宝的逻辑来简单梳理一下列的基本处理方法——增删选改。

温馨提示:使用熊猫时，尽量避免使用行或EXCEL的思维来操作单元格处理数据，逐渐养成一种面向列的思维。每一列都是一个原点，处理起来唰唰又快。

1.增加

添加一列，形式为df['新列名'] =新列值，并在原始数据的基础上赋值:

一般来说，清洗后的色谱柱是为了更换原来的色谱柱:

2.数字类型

数值数据常见的运算是计算，分为单值运算和等长列运算。

以案例数据为例。我们知道源数据的访问者数量。现在我们想在所有渠道增加一万名访客。怎么操作？

只需选择访问者数量所在的列，然后添加10000即可。熊猫会自动在每行值上加10000，以及对单个值的其他运算(减法、乘法和除法)。

列间的操作语句也很简洁。源数据包括访客数量、转化率和客户单价，但实际上我们更感兴趣的是每个渠道贡献的销售额。(销售额=游客数量x转化率x客户单价)

对应操作语句:df['销售额'] = df['访客数'] * df['转化率'] * df['客户单价']

但是你为什么疯狂举报错误呢？

错误报告的原因是数值数据和非数值数据的相互计算。熊猫将带有“%”符号的转换速率识别为字符串类型，在将该列转换为浮点数据之前，我们需要删除百分号:

需要注意的是，这个操作将9.98%改为9.98%，所以我们还需要将支付转化率除以100来恢复百分比的真实值:

然后，用三个指标相乘来计算销售额:

在被转换成时间格式(这里是datetime64)后，我们可以利用处理时间的思想来高效地处理这些数据。比如现在想知道年底前几天提取数据(' 2019-12-31 ')，直接做减法(这个函数接受时间格式的字符串序列，也接受单个字符串):

很简单吗？

最后，让我们快速回顾一下本文的内容:

第一步，我们先了解PANDAS到底是个什么东西。第二步，学习如何构建、读入存储数据。第三步，拿到数据之后，怎么样快速查看数据。第四步，对数据有了基础了解，就可以进行简单的增删选改了。第五步，在了解基础操作之后，对Pandas中基础数据类型进行了初步照面。

每一步都是基于小而美(毕竟沾沾自喜也是美)和轻量级的初心，我们会一起重新认识和回顾这些模块，然后在接下来的案例实践中对这些操作和分析思路进行测试、巩固和沉淀。

声明:本文为作者提交，版权归其所有。