从零开始的数据分析之旅（十四）pandas与dataframe入门

一、Pandas库入门

在现代信息社会，充斥着非常多的数据，而为了提高数据分析师的数据处理能力，我们通常会借助成熟的Pandas库来高效的处理数据。

Pandas库是一个进行数据处理与分析的Python库，它可以做的事情有很多，包括清洗数据、数据运算、数据统计、数据筛选、数据排序等等。

Pandas库的使用也很简单，首先需要在Python文件中通过import pandas as pd的方式将pandas库引入，之后即可使用该库的内容。

举个使用pandas库的例子，如pd.Series（[1,2,3,4]）即可生成一个简单的一维数组。

二、DataFrame入门

在说dataframe之前，我们先来聊聊前面提到的series，看看这两者有什么区别。首先series是一维数组，pandas库对series的描述是带标签的一维数组，可存储整数、浮点数、字符串、Python对象等类型的数据，轴标签统称为索引，在pandas库中，只需要调用pd.Series即可生成。

pd.series的第一个参数是代表值，第二个参数index是代表索引。

dataframe是二维数据结构，可以和series相互转化，但是在series向dataframe转化的过程中需要注意确保这些series的行数相同，如果行数不一样时就会出现缺失值，而缺失值通常会采用NaN来表示。当然，也并非所有缺失值都采用NaN来表示，在没有规定具体个数或范围时，可以直接用一个值来填充现有的所有行。

接下来讲讲dataframe的相关操作，如.loc和.iloc方法可以按值或者按索引的方式来选择行，df[列表]则是按字段名来选取列，df[选取条件]则可以进行一些相对模糊或者精确的查询，自由度相对更大。