第1章：初识Pandas
本章将带领读者初步了解Pandas库，介绍其基本概念、功能特点和安装方法，同时学习Pandas的核心数据结构：Series和DataFrame。通过本章的学习，您将为后续章节的深入学习打下坚实的基础。
1.1 什么是Pandas
Pandas是Python中用于数据分析和处理的强大工具库，主要功能包括：
- 提供高效的多维数据结构
Series和DataFrame。 - 支持丰富的数据操作功能，如清洗、转换、过滤和统计。
- 能够与多种数据格式无缝交互，如CSV、Excel、JSON、SQL等。
- 具备良好的性能表现，支持处理大规模数据。
特点概述：
- 简单易用：提供了类似Excel操作的便捷API。
- 灵活性强：支持多种数据类型和复杂的数据处理逻辑。
- 高效：基于NumPy实现，性能优越。
1.2 安装与配置
1.2.1 安装Pandas
Pandas可以通过Python的包管理工具pip或conda安装：
# 使用pip安装
pip install pandas
# 使用conda安装
conda install pandas
1.2.2 验证安装
安装完成后，可以通过以下命令验证Pandas的版本：
import pandas as pd
print(pd.__version__)
1.2.3 常用依赖库
Pandas的部分功能依赖其他第三方库，如：
NumPy：数值计算基础库。Matplotlib：数据可视化支持。openpyxl、xlrd：Excel文件操作支持。
确保这些库安装完成以获得完整功能支持。
1.3 核心数据结构
Pandas的核心数据结构是Series和DataFrame，它们分别代表一维和二维数据。以下详细介绍这两种结构的特点和用法。
1.3.1 Series：一维数据结构
定义
Series是Pandas中表示一维数据的结构，类似于Python的列表或字典，但具有更强大的功能。
特点：
- 每个数据点都带有一个索引。
- 支持多种数据类型。
创建一个Series：
import pandas as pd
# 从列表创建
s1 = pd.Series([10, 20, 30, 40])
print(s1)
# 从字典创建
s2 = pd.Series({'a': 10, 'b': 20, 'c': 30})
print(s2)
# 指定索引
s3 = pd.Series([100, 200, 300], index=['x', 'y', 'z'])
print(s3)
输出：
0 10
1 20
2 30
3 40
dtype: int64
a 10
b 20
c 30
dtype: int64
x 100
y 200
z 300
dtype: int64
操作与方法：
- 访问数据：
s1[0]或s3['x'] - 统计信息：
s1.sum()、s1.mean() - 类型转换：
s1.astype(float)
1.3.2 DataFrame：二维数据结构
定义
DataFrame是Pandas中表示二维数据的结构，可以理解为“电子表格”或“SQL表”的形式。
特点：
- 行索引（index）和列名（columns）定义。
- 支持多种数据源输入。
创建一个DataFrame：
# 从字典创建
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'Los Angeles', 'Chicago']}
df = pd.DataFrame(data)
print(df)
# 从嵌套列表创建
data = [['Alice', 25, 'New York'], ['Bob', 30, 'Los Angeles'], ['Charlie', 35, 'Chicago']]
df2 = pd.DataFrame(data, columns=['Name', 'Age', 'City'])
print(df2)
输出：
Name Age City
0 Alice 25 New York
1 Bob 30 Los Angeles
2 Charlie 35 Chicago
Name Age City
0 Alice 25 New York
1 Bob 30 Los Angeles
2 Charlie 35 Chicago
操作与方法：
- 访问数据：
df['Name']、df.loc[0]、df.iloc[0, 1] - 增加列：
df['Salary'] = [50000, 60000, 70000] - 删除行/列：
df.drop('Age', axis=1)
1.4 总结与展望
本章主要介绍了Pandas的基本概念、安装方法以及核心数据结构Series和DataFrame。这些内容是学习Pandas的基础。通过理解这些内容，您已经可以尝试一些简单的数据操作。下一章将带您学习如何操作和管理数据，为数据分析工作打下坚实的基础。