求关注
求转发
经常跟数据打交道的同学，一定会非常熟悉Excel，它无疑是轻量级数据的分析神器，而当你需要处理的数据越来越大时，Excel是不是显得越来越力不从心、单个Sheet最大支持1048576行，V个大表各种等，还动不动未响应甚至直接奔溃；此时你一定需要一个更强大的工具来搞定大数据的处理，他就是今天的主角：Pandas
Pandas是专注于大数据分析和处理的Python包，在数据分析领域，可以说是大名鼎鼎，无人不知，无人不晓，它甚至是使Python成为强大而高效的数据分析工具的重要因素，今天我们先简单介绍它的一些基础的用法，你会发现它既简单，又好用。
1.Pandas的安装Pandas属于Python的扩展包，默认是并没有集成的，所以我们需要先安装它，如果你使用的是Pycharm(我的入门系列2有安装配置教程)，可以直接利用代码提示安装，
在联网状态下编辑器界面输入import pandas，此时pandas下方出现红色波浪线(代表有错误或模块未安装)，此时将鼠标点击pandas切换编辑光标，点击红色提示，选择Install package pandas即开始安装
安装过程是没有提示的，可以点击右下角查看进度，安装完成后红色波浪线线及就会消失，同时运行时也不会出现ImportError: No module named pandas报错
也可通过包管理器下载，点击左上角File→Setings→Preferences | Project: wlm | Project Interpreter→左下角+号→输入pandas选择后点击Install Package
安装完毕后可以通过print(pandas.__version__)检查，如打印版本且未报错则为安装完成。
如果未使用任何IDE，可以直接在CMD输入pip3 Install pandas安装，这里不再赘述
2.数据源的读取Pandas的Datefram(数据框，常存储二维数据)支持从多种数据源读取数据(Excel,CSV,数据库，网页等等)，并且仅需要一行代码，本次先以Excel为例；
首先我们在Python导入Pandas，并命名为pd，同时安装并导入Excel的支持包xlrd(安装方式与Pandas方式相同)
import pandas as pdimport xlrd我们以读取Excel文件为例(读取其他数据源也基本相同，只是参数稍有不同)，我们先看读取Excel的参数，它多达24个之多，但通常我们需要的只有前面几个，其他的我们可以不写，让pandas使用默认值即可(所有带默认值的参数如果不写，pandas就用默认值)。
pd.read_excel(io, sheet_name=0, header=0, names=None, index_col=None,usecols=None, squeeze=False, dtype=None,engine=None, converters=None, true_values=None,false_values=None, skiprows=None, nrows=None,na_values=None, keep_default_na=True, verbose=False,parse_dates=False, date_parser=None, thousands=None,comment=None, skipfooter=0, convert_float=True,
mangle_dupe_cols=True, **kwds, )首先是参数IO，它在这里我们可以理解为需要读取的Excel文件的绝对路径，(文件路径是以r开头，紧跟用单引号或双引号包裹的文件路径，这里的r为禁止转义的写法，认为固定写法即可，将来会详细介绍)，例如
data = pd.read_excel(r'c:\demo.xlsx')第二个参数，sheet_name，顾名思义，就是Excel的Sheet名称，如果忽略这个参数，Python默认读取第一个Sheet；第三个个参数header，就是使用Excel的第几行的参数作为列名(从0开始)，默认为0，也就是第一行；第六个参数usecols代表读取Excel的哪些列，用列表传入，默认全部读取；以下面这个文件为例
例如我们想读取上面这个桌面的"demo.xlsx"文件的Sheet2中的内容，使用第二列作为列名，只读取'姓名'，'年龄’这两列，则为
import pandas as pdimport xlrd
data = pd.read_excel(r'/Users/wanglimin/Desktop/demo.xlsx', sheet_name='Sheet2', header=1,
usecols=['地址', '电话'])
打印查看，这里的第一列的0、1、2、3为pandas自动生成的index(行号)，是不是很简单。
3.数据分析
pandas支持非常非常多的函数(这里用了两个非常，因为Pandas支持的函数是真的多)，这里列出部分数字统计相关的函数。
| 函数 | 描述 |
|---|---|
count | 统计非空值数量 |
sum | 汇总值 |
mean | 平均值 |
mad | 平均绝对偏差 |
median | 算数中位数 |
min | 最小值 |
max | 最大值 |
mode | 众数 |
abs | 绝对值 |
prod | 乘积 |
std | 贝塞尔校正的样本标准偏差 |
var | 无偏方差 |
sem | 平均值的标准误差 |
skew | 样本偏度 (第三阶) |
kurt | 样本峰度 (第四阶) |
quantile | 样本分位数 (不同 % 的值) |
cumsum | 累加 |
cumprod | 累乘 |
cummax | 累积最大值 |
cummin | 累积最小值 |
例如我们想获取上文中"demo.xlsx"年龄的和，则
限于篇幅原因，对于类似于Excel的Vlookup等函数，后续再详细介绍
4.总结对比Excel，把Pandas作为数据分析工具，不但可以增强数据处理的"量"与"效率"，还能额外支持更多的花式操作与各种统计与运算，同时还可将数据融入Python，创造无限可能；受限于篇幅限制，本文仅简单介绍下Pandas，九牛一毛；后续会有更多关于Pandas的相关文章，有兴趣的同学也可以查看pandas中文网(http://www.pypandas.cn/docs/)的教程
今天，你转发锦鲤了吗？
↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓