pivot函数 python（pivot函数Python）



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！

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！

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)
 
 
   
   

 
 
   
   
 
  
    
     
  
    
     
  
    
     
 
   
   
 
 
   
   
 
  
    
    
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())
 
 
   
   

 
 
   
   
 
  
    
     
  
    
     
  
    
     
 
   
   
 
 
   
   
 
  
    
    
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
 
 
   
   

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']}”)
 
 
   
   

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

1. Pandas的两个核心数据结构：Series和DataFrame
2. 基本的数据读取和查看方法
3. 常用的数据处理功能：筛选、排序、处理缺失值
4. 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！

版权声明：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！

转载请注明出处，原文链接：https://www.xkablog.com/pythonbc/52256.html