python神器pandas_Python数据处理神器，pandas入门必需理解的核心内容

在 Python 中做处理数据，那么必须要使用 pandas ，否则你根本做不到'人生苦短，我学Python'。

最近发生了一件小事情，让我意识到许多人没有系统掌握 pandas 。我的一位同事在使用 pandas 处理一份数据时，总是忘记应该用 pandas 中的哪些方法做处理，每次都要到网上搜索一遍，而稍微复杂点的处理完全做不出来。

因此，本文介绍 pandas 的核心概念，每个概念配上形象的图表，让你深刻理解他们。日后你会发现这些概念会帮助你更快学会其他知识。

本文概要：

pandas 3大结构：DataFrame、Series、Index(MultiIndex)

在交互式环境下处理数据

就是一个表格

pandas 是以数据表格作为概念而做成的数据处理分析包，因此，通过表格形象去理解 pandas 是最适合不过的。

DataFrame

DataFrame 中文叫'数据帧'，他以表格的形式来装载数据。DataFrame 是处理数据的起点。 比如，有如下一份 csv 文件，内容如下：

我们通过 pandas 把 csv 文件的数据加载为 DataFrame 。

import pandas as pd ，为了方便使用，一般习惯导入的时候，把 pandas 命名为 pd

pd.read_csv('data.csv') ， 从 csv 加载数据到 DataFrame。其中有许多 pd.read_xxx 的方法，用于其他方式读取数据。

我们来看看 DataFrame 是什么样子的。

中间的区域叫 values ，因此我们可以通过 df.values 获取这个值区域的数组。

平常处理数据的过程中，一般不需要把这个值区域读取出来使用。下面会看到如何批量获取一列或一行数据。

Series

Series 叫'系列'，上图从 DataFrame 输出可以看到其就是一个表格形式。以此类推，那么 Series 就是表格中的一列。

如图，这个 DataFrame 有3列，也就是有3个 Series 。

每个 Series 都有一些信息，比如，名字、值。

那怎么获取一列的数据？

通过 DataFrame['列名字'] 即可访问指定列 。本文重点是说明 pandas 的结构，而非代码实现。下一章会详细说明怎样高效灵活选择数据。

Index

Index 中文叫'索引'，许多人都对 DataFrame 和 Series 很熟悉，但却忽视了 Index。这是许多复杂处理的基础。

细心的读者可能会注意到，在之前我们看到的 DataFrame 输出时，最左边竟然多出一列，csv 数据中根本没有这一列数据。 如下：

这多出来的一列就是 Index 。

由于我们是直接从 csv 中加载数据进来，而没有指定任何的列作为 Index ，因此 pandas 会默认生成从0开始的一段数值作为 Index 。

那么 Index 有啥作用？ 之前在说道 Series 的时候，我们已经知道通过列名，可以让你方便获取一列数据。 同样地，Index 是为了让你方便获取一行数据。 如下:

df.loc[1,:] , 表示从 DataFrame 中获取行索引值是1的那一行数据。

不要以为只有行索引噢，其实我们之前通过列名字获取一列数据，同样是通过 Index 得到的。

看一下怎么通过行列索引定位一个数据:

通过 loc[行索引 , 列索引] ，即可定位一个数据重点：由于行和列索引都是 Index，因此我们只需要学会行索引的操作方式，那么同时就学会了列索引的操作方式。

可以设置指定的列作为索引:

通过 .set_index('名称') ，让'名称'列作为 Index 。

df.loc['西瓜',:] 现在可以通过正常的索引访问行数据

交互式环境

如果你用过 jupyter notebook ，那么相信你已经非常熟悉交互式环境。下面我演示如何在 vs code 中使用 jupyter 那种单元格式的交互环境。这功能需要启动 jupyter server，因此强烈建议你直接安装 Anaconda 环境。直接去官方网站下载 exe ，安装完成马上就有完整的 Python 环境。

使用 #%% ，用于划分每个单元格(cell)

我们可以单独运行任何一个 cell 里面的代码。

期间产生的变量都会一直保留。

在此环境下，你可以快速试验各种代码，因为 python 进程一直运行着，你会发现这种方式比起一次次启动 python 要快得多。如果你喜欢用 PyCharm ，那么这功能目前必需在专业版才可以使用。