Introduction

在本微课程中，您将全面了解最流行的 Python 数据分析库 **pandas**。

在此过程中，您将使用真实数据完成几个动手练习。我们建议您在阅读相应教程的同时完成练习。

要开始第一个练习，请点击此处。

在本教程中，您将学习如何创建自己的数据，以及如何处理现有数据。

Getting started

要使用 pandas，通常需要从以下代码行开始。

In [1]:

import pandas as pd

Creating data

Pandas 中有两个核心对象：DataFrame 和 Series。

DataFrame

DataFrame 是一个表。它包含一个由多个独立条目组成的数组，每个条目都有一个特定的值。每个条目对应一行（或记录）和一列。

例如，考虑以下简单的 DataFrame：

In [2]:

pd.DataFrame({'Yes': [50, 21], 'No': [131, 2]})

Out[2]:

	Yes	No
0	50	131
1	21	2

在此示例中，“0，否”条目的值为 131。“0，是”条目的值为 50，依此类推。

DataFrame 条目不限于整数。例如，以下 DataFrame 的值是字符串：

In [3]:

pd.DataFrame({'Bob': ['I liked it.', 'It was awful.'], 'Sue': ['Pretty good.', 'Bland.']})

Out[3]:

	Bob	Sue
0	I liked it.	Pretty good.
1	It was awful.	Bland.

我们使用 pd.DataFrame() 构造函数来生成这些 DataFrame 对象。声明新 DataFrame 对象的语法是使用一个字典，其键是列名（本例中为 Bob 和 Sue），值是条目列表。这是构造新 DataFrame 的标准方法，也是您最有可能遇到的方法。

字典列表构造函数会为 列标签 赋值，但 行标签 则使用从 0 开始的升序计数（0、1、2、3……）。有时这样做没问题，但很多时候我们需要自己赋值。

DataFrame 中使用的行标签列表称为索引。我们可以在构造函数中使用 index 参数为其赋值：

In [4]:

pd.DataFrame({'Bob': ['I liked it.', 'It was awful.'], 
              'Sue': ['Pretty good.', 'Bland.']},
             index=['Product A', 'Product B'])

Out[4]:

	Bob	Sue
Product A	I liked it.	Pretty good.
Product B	It was awful.	Bland.

Series

相比之下，Series 是数据值的序列。如果说 DataFrame 是表，那么 Series 就是列表。实际上，你只需要一个列表就可以创建一个 Series：

In [5]:

pd.Series([1, 2, 3, 4, 5])

Out[5]:

0    1
1    2
2    3
3    4
4    5
dtype: int64

本质上，Series 是 DataFrame 中的一列。因此，你可以像之前一样，使用 index 参数为 Series 分配行标签。不过，Series 没有列名，只有一个通用的 name：

In [6]:

pd.Series([30, 35, 40], index=['2015 Sales', '2016 Sales', '2017 Sales'], name='Product A')

Out[6]:

2015 Sales    30
2016 Sales    35
2017 Sales    40
Name: Product A, dtype: int64

Series 和 DataFrame 密切相关。可以把 DataFrame 想象成一堆“粘在一起”的 Series。我们将在本教程的下一部分中更详细地讲解这一点。

Reading data files

能够手动创建 DataFrame 或 Series 非常方便。但大多数情况下，我们实际上并不会手动创建自己的数据，而是使用已经存在的数据。

数据可以以多种不同的形式和格式存储。其中最基本的就是简单的 CSV 文件。打开 CSV 文件后，您会看到如下所示的内容：

Product A,Product B,Product C,
30,21,9,
35,34,1,
41,11,11

CSV 文件是一个用逗号分隔的值表。因此得名“逗号分隔值”，简称 CSV。

现在，让我们先把玩具数据集放在一边，看看将真实数据集读入 DataFrame 后是什么样子。我们将使用 pd.read_csv() 函数将数据读入 DataFrame。具体如下：

In [7]:

wine_reviews = pd.read_csv("../input/wine-reviews/winemag-data-130k-v2.csv")

我们可以使用“shape”属性来检查生成的DataFrame有多大：

In [8]:

wine_reviews.shape

Out[8]:

(129971, 14)

因此，我们的新 DataFrame 包含 13 万条记录，分布在 14 个不同的列中。这意味着近 200 万个条目！

我们可以使用 head() 命令检查生成的 DataFrame 的内容，该命令会抓取前五行：

In [9]:

wine_reviews.head()

Out[9]:

	Unnamed: 0	country	description	designation	points	price	province	region_1	region_2	taster_name	taster_twitter_handle	title	variety	winery
0	0	Italy	Aromas include tropical fruit, broom, brimston…	Vulkà Bianco	87	NaN	Sicily & Sardinia	Etna	NaN	Kerin O’Keefe	@kerinokeefe	Nicosia 2013 Vulkà Bianco (Etna)	White Blend	Nicosia
1	1	Portugal	This is ripe and fruity, a wine that is smooth…	Avidagos	87	15.0	Douro	NaN	NaN	Roger Voss	@vossroger	Quinta dos Avidagos 2011 Avidagos Red (Douro)	Portuguese Red	Quinta dos Avidagos
2	2	US	Tart and snappy, the flavors of lime flesh and…	NaN	87	14.0	Oregon	Willamette Valley	Willamette Valley	Paul Gregutt	@paulgwine	Rainstorm 2013 Pinot Gris (Willamette Valley)	Pinot Gris	Rainstorm
3	3	US	Pineapple rind, lemon pith and orange blossom …	Reserve Late Harvest	87	13.0	Michigan	Lake Michigan Shore	NaN	Alexander Peartree	NaN	St. Julian 2013 Reserve Late Harvest Riesling …	Riesling	St. Julian
4	4	US	Much like the regular bottling from 2012, this…	Vintner’s Reserve Wild Child Block	87	65.0	Oregon	Willamette Valley	Willamette Valley	Paul Gregutt	@paulgwine	Sweet Cheeks 2012 Vintner’s Reserve Wild Child…	Pinot Noir	Sweet Cheeks

pd.read_csv() 函数功能强大，拥有超过 30 个可选参数可供指定。例如，您可以看到此数据集中的 CSV 文件有一个内置索引，而 Pandas 并未自动识别。为了让 Pandas 使用该列作为索引（而不是从头创建新索引），我们可以指定 index_col。

In [10]:

wine_reviews = pd.read_csv("../input/wine-reviews/winemag-data-130k-v2.csv", index_col=0)
wine_reviews.head()

Out[10]:

	country	description	designation	points	price	province	region_1	region_2	taster_name	taster_twitter_handle	title	variety	winery
0	Italy	Aromas include tropical fruit, broom, brimston…	Vulkà Bianco	87	NaN	Sicily & Sardinia	Etna	NaN	Kerin O’Keefe	@kerinokeefe	Nicosia 2013 Vulkà Bianco (Etna)	White Blend	Nicosia
1	Portugal	This is ripe and fruity, a wine that is smooth…	Avidagos	87	15.0	Douro	NaN	NaN	Roger Voss	@vossroger	Quinta dos Avidagos 2011 Avidagos Red (Douro)	Portuguese Red	Quinta dos Avidagos
2	US	Tart and snappy, the flavors of lime flesh and…	NaN	87	14.0	Oregon	Willamette Valley	Willamette Valley	Paul Gregutt	@paulgwine	Rainstorm 2013 Pinot Gris (Willamette Valley)	Pinot Gris	Rainstorm
3	US	Pineapple rind, lemon pith and orange blossom …	Reserve Late Harvest	87	13.0	Michigan	Lake Michigan Shore	NaN	Alexander Peartree	NaN	St. Julian 2013 Reserve Late Harvest Riesling …	Riesling	St. Julian
4	US	Much like the regular bottling from 2012, this…	Vintner’s Reserve Wild Child Block	87	65.0	Oregon	Willamette Valley	Willamette Valley	Paul Gregutt	@paulgwine	Sweet Cheeks 2012 Vintner’s Reserve Wild Child…	Pinot Noir	Sweet Cheeks

Your turn

如果你还没有开始练习，你可以**从这里开始**。