开始入门

要使用pandas库，通常从以下这行代码开始。

import pandas as pd

创建数据

pandas 中有两个核心对象：DataFrame（数据框）和 Series（系列）。

DataFrame

• DataFrame是一个表格。它包含一个单独条目的数组，每个条目都有特定的值。每个条目对应一行（或一条记录）和一列。

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

  输出如下：
  
  在这个例子中，“0, No”条目的值为 131。“0, Yes”条目的值为 50，依此类推。

• DataFrame的条目不限于整数。例如，这里有一个DataFrame，其值为字符串：

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

  输出如下：
  
  我们使用pd.DataFrame()构造函数来生成这些DataFrame对象。声明对象的语法是字典，其键是列名（本例中为Bob和Sue），其值是条目列表。这是构造DataFrame的标准方法，也是最有可能遇到的方法。

• 字典列表构造函数为列标签赋值，但只对行标签使用从0（0,1,2,3，…）开始的升序计数。有 时这是可以的，但通常我们希望自己分配这些标签。

  在DataFrame()中使用的行标签列表被称为索引。我们可以在构造函数中使用索引参数为其分配值：

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

  输出如下：
  

Series

• 与之相反，Series 是一系列数据值。如果说DataFrame是一个表格，那么 Series 就是一个列表。实际上，仅用一个列表就可以创建一个Series。

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

  输出如下：
  

• Series本质上是DataFrame的单个列。因此，可以像以前一样使用index参数为Series分配行标签。但是，Series没有列名，它只有一个整体名称：

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

  输出如下：
  

• Series和DataFrame密切相关。将DataFrame想象成实际上只是一堆 “粘在一起” 的Series是很有帮助的。

读取数据文件

• 能够手动创建数据框或序列很方便。但是，在大多数情况下，我们实际上不会手动创建自己的数据。相反，我们将处理已经存在的数据。

• 数据可以以多种不同的形式和格式存储。其中最基本的当属CSV文件。当你打开一个CSV文件时，会看到如下内容：
  
  一个 CSV 文件是由逗号分隔的值组成的表格。因此得名:"Comma-Separated Values"，即 CSV。

• 我们将使用 pd.read_csv () 函数将数据读入数据框。具体如下：

  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 的大小。

    wine_reviews.shape
    

    

    所以我们的DataFrame有 130000 条记录分布在 14 个不同的列中。那几乎是 200 万个条目！

  • 我们可以使用head()命令检查结果数据框的内容，该命令会抓取前五行。

    wine_reviews.head()
    

    

  • pd.read_csv()函数功能强大，可以指定30多个可选参数。例如，您可以在这个数据集中看到CSV文件有一个内置索引，pandas没有自动获取该索引。要使pandas使用该列作为索引（而不是从头开始创建一个新列），我们可以指定一个index_col。

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