[Python]資料分析工具pandas基礎介紹

從基本概念開始，然後逐步深入學習 pandas 的各種功能。這是一個非常強大的 Python 資料分析工具，常用於處理結構化數據。

基本概念

pandas 主要有兩個核心資料結構：

• Series: 一維的資料結構，類似於 Python 中的列表，但它可以帶有標籤（index）。
• DataFrame: 二維的資料結構，類似於電子表格或數據表，由多個 Series 組成。

建立資料

Series : ​

import numpy as np
import pandas as pd

s1 = pd.Series([78,82,86,65])
print(s1)

s1 = pd.Series([78,82,86,65], index=list("ABCD"))
print(s1)

s1 = pd.Series({'a':78,'b':82,'c':86,'d':65})
print(s1)

範例輸出

左邊是欄位的索引，右邊是數值

0    78
1    82
2    86
3    65
dtype: int64
A    78
B    82
C    86
D    65
dtype: int64
a    78
b    82
c    86
d    65
dtype: int64

取出數據

• 位置索引 是基於數字的位置來取值，從 0 開始。
• 標籤索引 是基於你為 Series 提供的索引標籤來取值。

print(s1[0])  # 78 
print(s1['a']) # 78

要避免混淆，可以使用 .loc[]（根據標籤取值）和 .iloc[]（根據位置取值）這兩個方法：

• s1.loc['a']：根據標籤 'a' 取值。
• s1.iloc[0]：根據位置 0 取值。

print(s1.iloc[0]) # 78
print(s1.loc['a']) # 78

DataFrame

DataFrame 是一個表格數據，包含多個列，每列都可以有不同的數據類型。

# 建立一個 DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David'],
    'Age': [24, 27, 22, 32],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']
}
df = pd.DataFrame(data)
print(df)

範例輸出

用成大家熟悉的Excel型式呈現，Pandas也支援讀取寫入Excel。

      Name  Age         City
0    Alice   24     New York
1      Bob   27  Los Angeles
2  Charlie   22     Chicago
3    David   32     Houston

取出數據

DataFrame 也可以使用類似的索引方式來取值。不過，因為 DataFrame 是二維結構，所以會跟Series有些細節會有所不同。讓我們來看看 DataFrame 的索引用法

# 選取 'Name' 列 
print(df['Name'])

# 輸出
0      Alice
1        Bob
2    Charlie
3      David
Name: Name, dtype: object

使用 .loc[] 基於標籤索引

loc 方法允許你使用標籤索引來選取特定的行或行和列的組合。

選取特定行

# 選取標籤索引為 1 的行
print(df.loc[1])

# 輸出
Name            Bob
Age              27
City    Los Angeles
Name: 1, dtype: object

就很像Excel用篩選的方式，選出Bob這一行的資料，只是Excel是用列篩選的方式，Padas是取出選取行的方式。

選取特定行和列

# 選取標籤索引為 1，並且僅顯示 'Name' 列
print(df.loc[1, 'Name'])

# 輸出
Bob

使用 .iloc[] 基於位置索引

iloc 方法允許你使用數字位置來選取資料。

# 選取第一行（行索引為 0） print(df.iloc[0])

# 輸出
Name       Alice
Age           24
City    New York
Name: 0, dtype: object

選取特定行和列

# 選取第一行第一列 print(df.iloc[0, 0])

# 輸出
Alice

多行多列選取

loc用法與iloc一樣

# 選取前兩行
print(df.loc[:2])

# 輸出前兩行
    Name  Age         City
0  Alice   24     New York
1    Bob   27  Los Angeles

print(df.iloc[:2])

# 輸出前兩行
    Name  Age         City
0  Alice   24     New York
1    Bob   27  Los Angeles

選取特定多行和多列

loc用法

# 選取前兩行和 'Name' 與'Age' 列
print(df.loc[:1, ('Name','Age')])

# 輸出
    Name  Age
0  Alice   24
1    Bob   27

iloc用法

# 選取前兩行和前兩列
print(df.iloc[:2,:2])

# 輸出
    Name  Age
0  Alice   24
1    Bob   27

使用布林條件選取

你還可以根據布林條件選取資料：

# 選取 Age 大於 25 的行
print(df[df['Age'] > 25])

# 輸出
    Name  Age         City
1    Bob   27  Los Angeles
3  David   32      Houston

總結

• df['列名']：選取特定的列。
• df.loc[行標籤, 列標籤]：基於標籤選取特定的行和列。
• df.iloc[行位置, 列位置]：基於數字位置選取特定的行和列。
• df[條件]：根據布林條件選取行。

這些方法與 Series 的用法相似，但由於 DataFrame 是二維的，所以在選取資料時會涉及到行和列的組合。