Pandas 是 Python 的一個強大數據操作與分析庫。它提供高效且靈活的資料結構，如 Series 和 DataFrame，適合用於資料清理、操作及分析。在本教學中，我們將深入探討 Pandas 的核心功能，並以範例展示如何進行資料處理。
1. Pandas 安裝與載入
如果尚未安裝 Pandas，可以使用 pip 進行安裝：
pip install pandas安裝完成後，導入 Pandas：
import pandas as pd
2. Pandas 的核心資料結構
2.1 Series
Series 是一維的資料結構，類似於 Python 的 List 或 NumPy 的一維陣列，但具有索引。
import pandas as pd
# 建立 Series
data = pd.Series([10, 20, 30, 40], index=['A', 'B', 'C', 'D'])
print(data)
輸出：
A 10
B 20
C 30
D 40
dtype: int64
基本操作：
# 取值
print(data['A']) # 10
# 過濾
print(data[data > 20]) # 篩選值大於 20 的元素
# 運算
print(data + 5) # 每個元素加 5
2.2 DataFrame
DataFrame 是二維的資料結構，可以視為資料表格式。它是 Pandas 的核心資料結構。
# 建立 DataFrame
data = {
'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'Salary': [50000, 60000, 70000]
}
df = pd.DataFrame(data)
print(df)
輸出：
Name Age Salary
0 Alice 25 50000
1 Bob 30 60000
2 Charlie 35 70000
3. 讀取與匯出資料
Pandas 支援多種資料格式的讀取與匯出，包括 CSV、Excel、JSON 等。
3.1 讀取資料
# 從 CSV 檔案讀取資料
df = pd.read_csv('data.csv')
# 從 Excel 檔案讀取資料
df = pd.read_excel('data.xlsx')
3.2 匯出資料
# 匯出為 CSV
df.to_csv('output.csv', index=False)
# 匯出為 Excel
df.to_excel('output.xlsx', index=False)
4. 資料檢視與摘要
檢視資料的結構與內容是資料分析的第一步。
4.1 基本資訊
print(df.head()) # 顯示前 5 筆資料
print(df.tail()) # 顯示後 5 筆資料
print(df.info()) # 顯示資料摘要
print(df.describe()) # 顯示數值欄位的統計摘要
4.2 檢查資料
print(df.columns) # 查看欄位名稱
print(df.shape) # 查看資料維度 (列數, 欄數)
print(df.isnull().sum()) # 檢查缺失值
5. 資料清理
資料清理是分析過程中的重要步驟，包含處理缺失值、重命名欄位、刪除重複值等。
5.1 處理缺失值
# 填補缺失值
df['Age'].fillna(df['Age'].mean(), inplace=True) # 填補為平均值
# 刪除包含缺失值的列
df = df.dropna()
5.2 重命名欄位
df.rename(columns={'Name': 'Employee Name'}, inplace=True)
5.3 刪除重複值
df = df.drop_duplicates()
6. 資料篩選與操作
6.1 篩選資料
# 篩選特定條件
filtered_df = df[df['Age'] > 30]
# 篩選多條件
filtered_df = df[(df['Age'] > 25) & (df['Salary'] > 50000)]
6.2 新增與刪除欄位
# 新增欄位
df['Bonus'] = df['Salary'] * 0.1
# 刪除欄位
df.drop(columns=['Bonus'], inplace=True)
6.3 排序資料
# 依據某欄位排序
df.sort_values(by='Age', ascending=False, inplace=True)
7. 資料聚合與分組
Pandas 提供強大的分組與聚合功能，能輕鬆實現統計分析。
7.1 分組與聚合
# 按 'Department' 分組，並計算平均薪水
grouped = df.groupby('Department')['Salary'].mean()
print(grouped)
7.2 樞紐分析
# 建立樞紐表
pivot = pd.pivot_table(df, values='Salary', index='Department', columns='Gender', aggfunc='mean')
print(pivot)
8. 使用 Pandas 處理時間序列
Pandas 對時間序列資料提供良好支援。
# 將資料轉為日期型別
df['Date'] = pd.to_datetime(df['Date'])
# 篩選特定日期範圍
filtered_df = df[(df['Date'] > '2023-01-01') & (df['Date'] < '2023-12-31')]
9. Pandas 高效操作技巧
9.1 使用 Apply 函數
# 自訂函數應用於某欄位
df['Salary After Tax'] = df['Salary'].apply(lambda x: x * 0.8)
9.2 資料合併
# 左連接 (Left Join)
merged_df = pd.merge(df1, df2, on='Employee ID', how='left')
10. 小結
Pandas 是 Python 資料處理的強大工具，適合處理結構化數據。以下是使用 Pandas 的建議：
- 熟悉 Series 與 DataFrame 結構。
- 掌握資料清理、篩選、分組、聚合等基本操作。
- 利用 Pandas 與視覺化工具（如 Matplotlib、Seaborn）結合進行資料分析與展示。
Pandas 是一個靈活且高效的資料處理工具，透過多練習與實戰，將能夠快速掌握資料處理技能，並應用於多種場景。
