pivot函数 python（pivot函数Python）

编程日记 • 2025-02-21 17:30 • 阅读 26

点击

上方文字

关注我们

大家好呀！今天我要和你们分享一个在数据分析领域超级好用的Python库 - Pandas！它就像是Excel的超级升级版，可以帮我们轻松处理大量数据。不管你是想分析销售数据，还是处理科研数据，Pandas都能帮你轻松搞定。让我们一起来探索这个强大的工具吧！

1. 初识Pandas

我们需要安装并导入Pandas：


1pip install pandas  # 安装pandas
2import pandas as pd  # 导入pandas并简写为pd

小贴士 ：习惯上我们用pd作为Pandas的缩写，这样写代码时可以少敲几个字母哦！

2. Pandas的两大主角：Series和DataFrame

Series就像是一个增强版的列表，不仅有数据，还有索引：


1import pandas as pd
3# 创建一个Series
4fruits = pd.Series(['苹果'， '香蕉'， '橙子'， '梨']， index=['a'， 'b'， 'c'， 'd'])
5print(fruits)

DataFrame就像一个Excel表格，有行有列：


1# 创建一个DataFrame
2data = {
3    '姓名'：['小明'， '小红'， '小华']，
4    '年龄'：[18， 19， 20]，
5    '成绩'：[90， 85， 95]
6}
7df = pd.DataFrame(data)
8print(df)

3. 数据的基本操作


1# 读取CSV文件
2df = pd.read_csv('data.csv')
4# 读取Excel文件
5df = pd.read_excel('data.xlsx')

注意事项 ：记得把文件路径写对哦，Windows系统的同学要用反斜杠\或者直接用r'路径'


1# 查看前5行数据
2print(df.head())
4# 查看数据基本信息
5print(df.info())
7# 查看数据统计描述
8print(df.describe())

4. 数据处理小技巧


1# 筛选年龄大于18的数据
2df[df['年龄'] > 18]
4# 筛选多个条件
5df[(df['年龄'] > 18) & (df['成绩'] >= 90)]


1# 按成绩降序排列
2df.sort_values('成绩'， ascending=False)

小贴士 ：ascending=True是升序，False是降序哦！


1# 删除有缺失值的行
2df.dropna()
4# 填充缺失值
5df.fillna(0)  # 用0填充

5. 实用案例

来看一个简单的成绩分析案例：


1import pandas as pd
3# 创建学生成绩数据
4data = {
5    '姓名'：['小明'， '小红'， '小华'， '小李'， '小张']，
6    '语文'：[80， 90， 85， 88， 92]，
7    '数学'：[95， 88， 92， 90， 85]，
8    '英语'：[85， 95， 88， 87， 90]
9}
10df = pd.DataFrame(data)
12# 计算每个学生的平均分
13df['平均分'] = df[['语文'， '数学'， '英语']].mean(axis=1)
15# 找出平均分最高的学生
16best_student = df.loc[df['平均分'].idxmax()]
17print(f“最高分学生：{best_student['姓名']}，平均分：{best_student['平均分']}”)

练习小题

试试用Pandas创建一个你的课程表DataFrame
尝试计算上面例子中每门课的平均分
如何找出哪门课程的及格率最高？

总结要点

Pandas的两个核心数据结构：Series和DataFrame
基本的数据读取和查看方法
常用的数据处理功能：筛选、排序、处理缺失值
实际案例的操作思路

小伙伴们，今天的Python学习之旅就到这里啦！记得动手敲代码，有问题随时在评论区问我哦。相信经过今天的学习，你已经掌握了Pandas的基础用法。接下来要多加练习，数据分析的大门就为你打开啦！祝大家学习愉快，Python学习节节高！

点个赞

再走吧

pivot函数 python（pivot函数Python）

相关推荐