Pandas 是 Python 語言的一個擴展程式庫，用於數據分析。

　　Pandas 是一個開放源碼、BSD 許可的庫，提供高性能、易於使用的數據結構和數據分析工具。

　　Pandas 名字衍生自術語 "panel data"（面板數據）和 "Python data analysis"（Python 數據分析）。

　　Pandas 一個強大的分析結構化數據的工具集，基礎是 numpy（提供高性能的矩陣運算）。

　　Pandas 可以從各種文件格式比如 CSV、JSON、SQL、Microsoft Excel 導入數據。

　　Pandas 可以對各種數據進行運算操作，比如歸併、再成形、選擇，還有數據清洗和數據加工特征。

數據結構

Series 是一種類似於一維數組的對象，它由一組數據（各種Numpy數據類型）以及一組與之相關的數據標簽（即索引）組成。

DataFrame 是一個表格型的數據結構，它含有一組有序的列，每列可以是不同的值類型（數值、字元串、布爾型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 組成的字典（共同用一個索引）。

一、Pandas 安裝

　　安裝 pandas 需要基礎環境是 Python，開始前我們假定你已經安裝了 Python 和 Pip。

pip install pandas

　查看pandas的版本

import pandas as pd

print(pd.__version__)

二、Pandas 數據結構 -- Series

　　pandas.Series( data, index, dtype, name, copy)
　　data：一組數據(ndarray 類型)。
　　index：數據索引標簽，如果不指定，預設從 0 開始。
　　dtype：數據類型，預設會自己判斷。
　　name：設置名稱。
　　copy：拷貝數據，預設為 False。

mydataset = {
'sites': ["Google", "Runoob", "Wiki"],
'number': [1, 2, 3]
}
#將字典類型轉化成dataframe類型
myvar = pd.DataFrame(mydataset)
print(myvar)
print()

a = [1, 2, 3]
myvar = pd.Series(a)
print(myvar)
print(myvar[1])#指定索引查詢

sites = {1: "Google", 'runoob': "Runoob", 3: "Wiki"}
myvar = pd.Series(sites)#使用字典類型創建Series，key的值就成了索引值
print(myvar)
print()

# 參數index
a = ["Google", "Runoob", "Wiki"]
myvar = pd.Series(a, index = ["x", "y", "z"])#index指定索引名稱
print(myvar)
print(myvar['y'])
print()

sites = {1: "Google", 2: "Runoob", 3: "Wiki"}
myvar = pd.Series(sites, index = [3, 2])#使用索引，截取字典中所需的部分
print(myvar)
print()

# 參數name,設置name屬性
sites = {1: "Google", 2: "Runoob", 3: "Wiki"}
myvar = pd.Series(sites, index = [1, 2], name="I is series(name)" )
print(myvar)

三、Pandas 數據結構 - DataFrame

　　pandas.DataFrame( data, index, columns, dtype, copy)
　　data：一組數據(ndarray、series, map, lists, dict 等類型)。
　　index：索引值，或者可以稱為行標簽。
　　columns：列標簽，預設為 RangeIndex (0, 1, 2, …, n) 。
　　dtype：數據類型。
　　copy：拷貝數據，預設為 False。

data = [['Google',10],['Runoob',12],['Wiki',13]]
df = pd.DataFrame(data,columns=['Site','Age'],dtype=float) # 列表轉dataframe
print(df)

data = {'Site':['Google', 'Runoob', 'Wiki'], 'Age':[10, 12, 13]}
df = pd.DataFrame(data) # 字典轉dataframe
print (df)

data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data)
print (df)

data = {
"calories": [420, 380, 390],
"duration": [50, 40, 45]
}
df = pd.DataFrame(data)
print(df)
print(df.loc[0])# 使用df.loc[]返回第一行
print(df.loc[1])# 使用df.loc[]返回第一行
print(df.loc[[0,1]])# 使用df.loc[[ ]]返回兩行數據
print(df.loc[0:1,['calories']])# 使用df.loc[a:b ,[' ']]返回指定某列 a~b的數據

data = {
"calories": [420, 380, 390],
"duration": [50, 40, 45]
}
df = pd.DataFrame(data, index = ["day1", "day2", "day3"])#指定索引值
print(df)
print(df.loc['day2'])

 四、Pandas CSV 文件

 　　1、read_csv()  將csv（）文件導入，存在Dataframe對象中

import pandas as pd

# pd.read_csv() 讀取csv文件
df = pd.read_csv('./nba.csv',encoding='GBK')
print(df.to_string())
print(df.loc[:,['Name']])#獲取列

# head()
print(df.head().to_string())#預設獲取前5行
print(df.head(3).to_string())#獲取前3行

# tail()
print(df.tail().to_string())#預設獲取後5行
print(df.head(3).to_string())#獲取後3行

# info() 返回表格的一些基本信息
print(df.info())

　　　2、to_csv() 將 DataFrame 存儲為 csv 文件

import pandas as pd


# 使用 to_csv() 方法將 DataFrame 存儲為 csv 文件
nme = ["Google", "Runoob", "Taobao", "Wiki"]
st = ["www.google.com", "www.runoob.com", "www.taobao.com", "www.wikipedia.org"]
ag = [90, 40, 80, 98]
dict = {'name': nme, 'site': st, 'age': ag}
df = pd.DataFrame(dict)
# print(df)

df.to_csv('./aaa.csv')# 保存 dataframe到該文件夾下
df.to_csv(r'C:\Users\Public\Desktop\a1.csv',encoding='utf8')# 保存 dataframe到指定路徑

path = r"C:\Users\Public\Desktop"
wen = '\ccc.csv'
df.to_csv(path+wen,encoding='utf8')

　3、to_string() 用於返回 DataFrame 類型的數據，如果不使用該函數，則輸出結果為數據的前面 5 行和末尾 5 行，中間部分以 ... 代替。

import pandas as pd

df = pd.read_csv('nba.csv')
print(df)

五、Pandas JSON

1、JSON 對象與 Python 字典具有相同的格式，所以我們可以直接將 Python 字典轉化為 DataFrame 數據：

import pandas as pd

# 字典格式的 JSON                                                                                              
s = {
    "col1":{"row1":1,"row2":2,"row3":3},
    "col2":{"row1":"x","row2":"y","row3":"z"}
}
# 讀取 JSON 轉為 DataFrame                                                                                          
df = pd.DataFrame(s)
print(df)

　　以上實例輸出結果為：

      col1 col2
row1     1    x
row2     2    y
row3     3    z

　　2、從 URL 中讀取 JSON 數據：

import pandas as pd

URL = 'https://static.runoob.com/download/sites.json'
df = pd.read_json(URL)
print(df)

六、Pandas 數據清洗

　　數據清洗是對一些沒有用的數據進行處理的過程。

　　很多數據集存在數據缺失、數據格式錯誤、錯誤數據或重覆數據的情況，如果要對使數據分析更加準確，就需要對這些沒有用的數據進行處理。

　　在這個教程中，我們將利用 Pandas包來進行數據清洗。

1、Pandas 清洗空值

 　　如果我們要刪除包含空欄位的行，可以使用 dropna() 方法，語法格式如下：

　　　　DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)
參數說明： 
 axis：　　預設為 0，表示逢空值剔除整行，如果設置參數 axis＝1 表示逢空值去掉整列。
 how：　　 預設為 'any' 如果一行（或一列）里任何一個數據有出現 NA 就去掉整行，如果設置 how='all' 一行（或列）都是 NA 才去掉這整行。
 thresh： 設置需要多少非空值的數據才可以保留下來的。
 subset： 設置想要檢查的列。如果是多個列，可以使用列名的 list 作為參數。
 inplace：如果設置 True，將計算得到的值直接覆蓋之前的值並返回 None，修改的是源數據。預設為False

　　1.1、添加na_values屬性指定的某些數據修改為空數據（NaN）

# df = pd.read_csv(r'C:\Users\Administrator\Desktop\property-data.csv')
missing_values = ["n/a", "na", "--","N","Y"]
df1 = pd.read_csv('./property-data.csv')
df2 = pd.read_csv('./property-data.csv',na_values=missing_values)#添加na_values屬性指定的某些數據修改為空數據（NaN）
print(df1)
print(df2)
# print(df2['SQ_FT'].isnull())#判斷某列中的各個單元格是否為空

　　1.2、 dropna() 方法 返回一個新的 DataFrame，不會修改源數據。

# 如果你要修改源數據 DataFrame, 可以使用 inplace = True 參數:
new_df = df1.dropna()#如果某行中有一個單元格數據為空則刪除整行
new_df2 = df1.dropna(subset=['NUM_BATH'])# 某指定列如果有空數據，則刪除空數據所在行
print(new_df)
# print(new_df2)

　　1.3、 fillna()方法 來替換一些空欄位

df3 = df1.fillna('666') #添加 inplace=True屬性會改變源數據
df4 = df1['NUM_BEDROOMS'].fillna('555') #指定某列獲取數據並替換空數據
print(df3)
print(df4)

　　1.4、使用 mean() 方法計算列的均值並替換空單元格

x = df1["ST_NUM"].mean() #指定某列進行平均值計算
df1["ST_NUM"].fillna(x, inplace = True)#使用fillna()方法進行數據替換
print(x)
print(df1)

　　1.5、使用 median() 方法計算列的中位數並替換空單元格：

x = df1["PID"].median()
df1_1 = df1["PID"].fillna(x)
print(x)
print(df1_1)

　　1.6、使用 mode() 方法計算列的眾數並替換空單元格

x = df1["PID"].mode()
df1["PID"].fillna(x,inplace=True)
print(x)
print(df1)

2、Pandas 清洗格式錯誤數據

3、Pandas 清洗錯誤數據

4、Pandas 清洗重覆數據