Python数据分析入门：pandas库安装与核心对象详解

Chloe

发布时间：2026-10-14| 5人浏览过

原创

本文详细介绍Python中pandas库的安装方法及核心数据结构。通过pip命令快速安装pandas后，深入解析Series和DataFrame两种主要数据对象的创建方式。内容涵盖从列表、字典生成Series，利用Matplotlib进行可视化，以及DataFrame的行列索引、数据读取与切片操作，帮助初学者掌握数据处理基础。

pandas库简介与安装

对于从事数据分析工作的人员而言，pandas 是必须熟练掌握的第三方库。pandas 在科学计算领域具有显著优势，尤其对数据分析师来说至关重要。虽然 Python 中已有 Numpy，但 Numpy 的数学抽象程度较高，因此需要一种更具体地代表数据模型的库。众所周知，在数据处理中，EXCEL 格式的表格模式是展示数据模型的最佳形式。

pandas 旨在对表格数据模型在 Python 环境中进行模拟，它提供了类似 SQL 的数据处理功能，使得在 Python 中实现数据处理变得便捷。

pandas 的安装

在 Python 中安装 pandas 同样使用 pip 工具进行：


pip install pandas

核心数据结构：Series与DataFrame

pandas 创建对象

pandas 主要包含两种数据结构：Series 和 DataFrame。

Series对象详解

Series

Series 类似于 Python 中的 list，每个数据元素都拥有自己的索引。可以通过 list 来创建 Series。


>>> import pandas as pd
>>> s1 = pd.Series([100,23,'bugingcode'])
>>> s1
0   100
1   23
2 bugingcode
dtype: object
>>>

在 Series 中可以指定相应的索引值：


>>> import numpy as np
>>> ts = pd.Series(np.random.randn(365), index=np.arange(1,366))
>>> ts

此处 index 设置为从 1 到 366 的数值序列。

Series 的数据结构最接近 Python 中的字典，可以从字典中创建 Series：


sd = {'xiaoming':14,'tom':15,'john':13}
s4 = pd.Series(sd)

此时可以看到 Series 已自动带有索引 index。

pandas 本身与 Python 的另一个第三方库 Matplotlib 有紧密连接，Matplotlib 最常用于数据展示。如果读者对 Matplotlib 尚不熟悉，后续章节将作介绍，此处先直接应用。若未安装，同样使用 pip 命令安装 pip install Matplotlib，展示数据如下：


import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

ts = pd.Series(np.random.randn(365), index=np.arange(1,366))
ts.plot()
plt.show()

这是一个不规则图形。在数据分析中，时间是一个重要特性，因为许多数据（如销售额、天气）都与时间相关。pandas 中提供了相关时间函数，使用 date_range 可生成一系列时间数据。


>>> pd.date_range('01/01/2017',periods=365)
DatetimeIndex(['2017-01-01', '2017-01-02', '2017-01-03', '2017-01-04',
    '2017-01-05', '2017-01-06', '2017-01-07', '2017-01-08',
    '2017-01-09', '2017-01-10',
    ...
    '2017-12-22', '2017-12-23', '2017-12-24', '2017-12-25',
    '2017-12-26', '2017-12-27', '2017-12-28', '2017-12-29',
    '2017-12-30', '2017-12-31'],
    dtype='datetime64[ns]', length=365, freq='D')
>>>

之前的图形不规则，部分原因是数据不连续，使用 cumsum 可使数据连续：

结果如下：


import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

ts = pd.Series(np.random.randn(365), index=pd.date_range('01/01/2017',periods=365))
ts = ts.cumsum()
ts.plot()
plt.show()

DataFrame对象详解

DataFrame

DataFrame 相当于 Series 的一维扩展，是一种二维数据模型，类似于 Excel 表格中的数据，包含横竖两个坐标轴。横轴类似 Series，使用 index 标识；竖轴通过 columns 确定。在建立 DataFrame 对象时，需确定三个元素：数据、横轴和竖轴。


df = pd.DataFrame(np.random.randn(8,6), index=pd.date_range('01/01/2018',periods=8),columns=list('ABCDEF'))
print df

数据示例如下：


     A   B   C   D   E   F
2018-01-01 0.712636 0.546680 -0.847866 -0.629005 2.152686 0.563907
2018-01-02 -1.292799 1.122098 0.743293 0.656412 0.989738 2.468200
2018-01-03 1.762894 0.783614 -0.301468 0.289608 -0.780844 0.873074
2018-01-04 -0.818066 1.629542 -0.595451 0.910141 0.160980 0.306660
2018-01-05 2.008658 0.456592 -0.839597 1.615013 0.718422 -0.564584
2018-01-06 0.480893 0.724015 -1.076434 -0.253731 0.337147 -0.028212
2018-01-07 -0.672501 0.739550 -1.316094 1.118234 -1.456680 -0.601890
2018-01-08 -1.028436 -1.036542 -0.459044 1.321962 -0.198338 -1.034822

在数据分析过程中，常见情况是数据直接从 excel 或 cvs 导入，可以从 excel 中读取数据到 DataFrame，并在 DataFrame 中进行处理：


df = pd.read_excel('data.xlsx',sheet_name= 'Sheet1')
print df

同样支持将数据保存到 excel 中，使用 to_excel 方法。

处理 cvs 数据的函数为 read_cvs 和 to_cvs，处理 HDF5 的函数为 read_hdf 和 to_hdf。

访问 DataFrame 可以采用类似二维数组的访问方式：


print df['A']

提取横轴标签：


2018-01-01 0.712636
2018-01-02 -1.292799
2018-01-03 1.762894
2018-01-04 -0.818066
2018-01-05 2.008658
2018-01-06 0.480893
2018-01-07 -0.672501
2018-01-08 -1.028436

同样可以指定特定元素：


print df['A']['2018-01-01']

对数组进行切片，需明确横轴和纵轴：


>>> import pandas as pd
>>> df = pd.read_excel('data.xlsx',sheet_name= 'Sheet1')
>>> df[:][0:3]
     A   B   C   D   E   F
2018-01-01 0.712636 0.546680 -0.847866 -0.629005 2.152686 0.563907
2018-01-02 -1.292799 1.122098 0.743293 0.656412 0.989738 2.468200
2018-01-03 1.762894 0.783614 -0.301468 0.289608 -0.780844 0.873074
>>>

DataFrame 涉及较多函数，后续章节将做更多介绍。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持本站。