> 作者：幻好
>
> 來源：[恆生LIGHT雲社群](https://developer.hs.net/thread/1609)

# 背景簡介

在進行量化分析的過程中，總是需要使用大量的資料基礎，對資料之間的關聯進行挖掘，最終找到我們需要的資料。只透過Python進行資料分析是非常複雜的，有沒有更簡單的工具幫助我們能夠高效快捷的幫助我們分析資料呢？

今天就介紹下Pandas-一個強大的分析結構化資料的工具集。

> 本文主要正對有一定 Python 語法基礎的同學，需要學習 Python 的同學可以在社群尋找教程進行充電（https://developer.hs.net/course/?nav=course）。

![image-20211121200612284.png](https://developer.hs.net/storage/attachments/2021/11/21/dHzoWpeBPKWpKswnYhZdIuVtog8BLgBrm3cESsCL_thumb.png "3816")

## 基本概念

**Pandas** 庫是一個免費、開源的第三方 Python 庫，是 Python 資料分析必不可少的工具之一，它為 Python 資料分析提供了高效能，且易於使用的資料結構，即 Series 和 DataFrame。

**Pandas** 使用基礎是Numpy（提供高效能的矩陣運算）；用於資料探勘和資料分析，同時也提供資料清洗功能。

**Pandas** 庫基於 Python NumPy 庫開發而來，因此，它可以與 Python 的科學計算庫配合使用。

**Pandas** 自誕生後被應用於眾多的領域，比如金融、統計學、社會科學、建築工程等。

> 透過以上的介紹，想必大家對於Pandas是幹啥的，能有個基本的瞭解。pandas 相當於 python 中 excel：它使用表（也就是 dataframe)，能在資料上做各種變換，但還有其他很多功能。

## 資料結構

### DataFrame

DataFrame 是一個表格型的資料結構，它含有一組有序的列，每列可以是不同的值型別（數值、字串、布林型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 組成的字典（共同用一個索引）。

![image-20211121202948923.png](https://developer.hs.net/storage/attachments/2021/11/21/j7HLQWNXBCfGojdYrB2obddxWi4BcIbtnRsIVaHj_thumb.png "3817")

DataFrame 構造方法如下：

```
pandas.DataFrame( data, index, columns, dtype, copy)
```

引數說明：

- **data**：一組資料(ndarray、series, map, lists, dict 等型別)。
- **index**：索引值，或者可以稱為行標籤。
- **columns**：列標籤，預設為 RangeIndex (0, 1, 2, …, n) 。
- **dtype**：資料型別。
- **copy**：複製資料，預設為 False。

### Series

Series 類似表格中的一個列（column），類似於一維陣列，可以儲存任何資料型別。

![image-20211121203109765.png](https://developer.hs.net/storage/attachments/2021/11/21/R8oTHdMxUZhy2BYguImcn8FVc0ihjhL6gZNY32Go_thumb.png "3818")

Series 由索引（index）和列組成，函式如下：

```python
pandas.Series( data, index, dtype, name, copy)
```

引數說明：

- **data**：一組資料(ndarray 型別)。
- **index**：資料索引標籤，如果不指定，預設從 0 開始。
- **dtype**：資料型別，預設會自己判斷。
- **name**：設定名稱。
- **copy**：複製資料，預設為 False。

## 快速上手

#### 引入元件

引入 Pandas 的元件到程式碼中：

```python
import pandas as pd
```

如果引入不到，說明環境配置有問題或者你壓根就沒下載，透過以下方式下載元件：

```shell
pip install Pandas
```

#### Series物件操作

透過 Series() 函式來建立 Series 物件，透過這個物件可以呼叫相應的方法和屬性：

```python
import pandas as pd
import numpy as np
data = np.array(['a','b','c','d'])
s = pd.Series(data)
print (s)
```

#### DataFrame物件操作

透過 `DataFrame()` 建立物件的語法格式如下：

```python
import pandas as pd
data = [1,2,3,4,5]
df = pd.DataFrame(data)
print(df)
```

#### 讀取檔案資料

可以透過 `read_csv()` 函式對本地 `.csv`格式檔案進行讀取：

```python
data = pd.read_csv('file.csv')
data = pd.read_csv('file.csv', nrows=1000, skiprows=[1,5], encoding= gbk)
```

引數含義：

- `'file.csv'` ： 表示讀取檔名，可加入系統位置進行讀取
- `nrows` ：表示讀取前多少行資料
- `skiprows` ： 表示讀取檔案的時候會自動跳過不讀行數。
- `encoding` ： 表示讀取檔案的編碼格式

與 `read_csv` ，類似的方法還有 `read_excel` 讀取Excel檔案資料。

#### 寫入檔案資料

**Pandas** 提供的 `to_csv()` 函式用於將 `DataFrame` 轉換為 `CSV` 資料。如果想要把 `CSV` 資料寫入檔案，只需向函式傳遞一個檔案物件即可。否則，`CSV` 資料將以字串格式返回。

```python
data.to_csv(‘my_new_file.csv’, index=None)
```

引數含義：

- `index` ： 表示是否需要新增索引，預設會自動新增索引

與 `to_csv` ，類似的方法還有 `to_excel` 寫入Excel檔案資料。

# 總結

本文主要介紹 Pandas 工具集的基礎知識，學習 Pandas 能幫助我們快速處理和分析資料，後續會繼續會更新實用操作，敬請期待。

【Pandas學習筆記01】強大的分析結構化資料的工具集

相關文章