Python是进行数据分析的一种很不错的语言，主要是因为以数据为中心的#python#库非常适合。 Pandas是其中的一种，使导入和分析数据更加容易。 在本文中，我使用了来分析斯坦福网站的公共数据集中的Country Data.csv文件中的数据。
安装安装Pandas：
pip install pandas在Pandas中创建DataFrame通过使用pd.Series方法将多个Series传递到DataFrame类中来完成数据帧的创建。 在这里，它在两个Series对象中传递，s1作为第一行，s2作为第二行。
例子：
s1 = pd.Series([1,2]) s2 = pd.Series(["Ashish", "Sid"]) df = pd.DataFrame([s1,s2]) df dframe = pd.DataFrame([[1,2],["Ashish", "Sid"]], index=["r1", "r2"], columns=["c1", "c2"]) dframe dframe = pd.DataFrame({ "c1": [1, "Ashish"], "c2": [2, "Sid"]}) dframe 输出：
用Pandas导入数据
第一步是读取数据。数据存储为逗号分隔值或csv文件，其中每行用换行分隔，每列用逗号（，）分隔。为了能够使用Python中的数据，需要将csv文件读取到Pandas DataFrame中。DataFrame是表示和处理表格数据的一种方式。
例子：
import pandas as pd df = pd.read_csv("IND_data.csv") df.head() df.shape 输出：
29,10用Pandas索引DataFrames
可以使用pandas.DataFrame.iloc方法建立索引。iloc方法允许按位置检索多达行和列。
例子：
df.iloc[0:5,:] df.iloc[:,:] df.iloc[5:,:5] 如果大家在学习中遇到困难，想找一个python学习交流环境，可以加入我们的python裙，关注小编，并私信“01”即可进裙，领取python学习资料，会节约很多时间，减少很多遇到的难题。
在Pandas中使用标签建立索引
可以使用pandas.DataFrame.loc方法对标签进行索引，该方法允许使用标签而不是位置进行索引。例子：
df.loc[0:5,:] df = df.loc[5:,:] 上面的内容实际上与df.iloc [0：5 ,:]并没有太大区别。这是因为尽管行标签可以采用任何值，但我们的行标签与位置完全匹配。但是，列标签可以使处理数据时变得更加容易。例子：
df.loc[:5,"Time period"]
DataFrame Math与Pandas
数据帧的计算可以通过使用pandas工具的统计功能来完成。例子：
df.describe() df.corr() df.rank()
Pandas图
这些示例中的图是使用用于引用matplotlib API的标准约定制作的，该API提供了Pandas的基础知识，可轻松创建美观地图。例子：
import the required module import matplotlib.pyplot as plt df['Observation Value'].hist(bins=10) df.boxplot(column='Observation Value', by = 'Time period') x = df["Observation Value"] y = df["Time period"] plt.scatter(x, y, label= "stars", color= "m", marker= "*", s=30) plt.xlabel('Observation Value') plt.ylabel('Time period') plt.show()
最后多说一句，小编是一名python开发工程师，这里有我自己整理的整套python学习资料和路线，想要这些资料的都可以关注小编，并私信“01”领取。
