第一个Pandas程序：快速入门

目标：建立直观认知

在本章节中，我们将通过一个简单的程序快速入门Pandas，帮助您建立对数据处理的直观认识。Pandas是一个强大的Python库，专门用于数据分析和处理，广泛应用于数据科学领域。

导入Pandas与NumPy

Pandas通常与NumPy结合使用，NumPy提供了高效的数值计算功能。按照常规命名规范，我们建议使用以下导入方式：

import pandas as pd
import numpy as np

• import pandas as pd：将Pandas导入并简写为pd，这是一个行业标准，可以简化代码编写。
• import numpy as np：同样，NumPy通常简写为np。 如果您在运行时报错，例如ModuleNotFoundError，请确保已安装Pandas和NumPy库。可以通过终端运行pip install pandas numpy来安装。

简单Series与DataFrame的创建与查看

创建Series

Series是Pandas中的一维数据结构，类似于列表或数组，但带有索引。以下是一个简单示例：

# 创建一个Series
s = pd.Series([1, 3, 5, 7], index=['a', 'b', 'c', 'd'])
print(s)

输出将显示索引和值：

a    1
b    3
c    5
d    7
dtype: int64

创建DataFrame

DataFrame是二维表格结构，类似于Excel表格或SQL表。创建方法有多种，这里演示从字典创建：

# 创建一个DataFrame
data = {'姓名': ['张三', '李四', '王五'], '年龄': [25, 30, 35], '城市': ['北京', '上海', '广州']}
df = pd.DataFrame(data)
print(df)

输出：

   姓名  年龄  城市
0  张三  25  北京
1  李四  30  上海
2  王五  35  广州

DataFrame会自动生成数字索引（0,1,2），但您也可以自定义索引。

基础数据查看操作

DataFrame提供多种方法来查看数据摘要，非常适合初步分析。

• head()：查看前几行数据，默认显示前5行。

  print(df.head())  # 显示前5行
  print(df.head(2)) # 显示前2行
  

• info()：显示数据框架的摘要信息，包括列数、数据类型和非空值数量。这有助于快速了解数据结构。

  print(df.info())
  

• describe()：生成数值列的统计摘要，如计数、均值、标准差、最小值和最大值。这对于探索性数据分析非常有用。

  print(df.describe())
  

  注意：如果DataFrame包含非数值列（如字符串），describe()将只对数值列进行计算。

程序运行异常排查

在初学阶段，您可能会遇到一些常见错误。以下是一些例子及其解决方法：

1. ImportError: No module named 'pandas'
   • 原因：未安装Pandas库。
   • 解决：运行pip install pandas在终端或命令提示符中安装。
2. KeyError: '列名'
   • 原因：尝试访问DataFrame中不存在的列。
   • 解决：检查列名拼写，使用df.columns查看所有列名，或确保列名正确。
   • 示例：如果df中没有'工资'列，调用df['工资']会报错。
3. ValueError: 数据类型错误
   • 原因：例如，尝试对字符串列进行数值操作。
   • 解决：检查数据列的数据类型，使用df.dtypes查看，并根据需要转换数据类型。
   • 示例：将字符串转换为数字：df['年龄'] = pd.to_numeric(df['年龄'], errors='coerce')。
4. MemoryError
   • 原因：处理大型数据集时内存不足。
   • 解决：尝试分批处理数据，或使用更高效的数据类型（如将浮点转换为整数）。

总结

通过本章，您应该能够编写第一个Pandas程序：导入库、创建和查看Series与DataFrame，并进行基础数据查看。这些操作是数据分析的基础，建议您多练习以加深理解。接下来，您可以尝试加载真实数据，探索更多功能。如果您遇到问题，请参考异常排查部分或在线社区求助。

祝您学习愉快！