Python的pandas

pandas 是python中很重要的組件，網上關於pandas 的文章也不少，好比Python科學計算之Pandas 和 Python數據分析入門

Pandas基於兩種數據類型：series與dataframe。

一個series是一個一維的數據類型，其中每個元素都有一個標籤。若是你閱讀過這個系列的關於Numpy的文章，你就能夠發現series相似於Numpy中元素帶標籤的數組。其中，標籤能夠是數字或者字符串。

一個dataframe是一個二維的表結構。Pandas的dataframe能夠存儲許多種不一樣的數據類型，而且每個座標軸都有本身的標籤。你能夠把它想象成一個series的字典項。

這裏我使用的數據源以下："https://raw.githubusercontent.com/alstat/Analysis-with-Programming/master/2014/Python/Numerical-Descriptions-of-the-Data/data.csv"

常常使用的效果如圖：

 

要使用pandas首先咱們須要 安裝並引入import pandas as pd，read_csv方法能夠加載本地文件也能夠讀取網絡文件，head()方法默認加載前面5條記錄，也能夠指定記錄條數,好比head(10)就是前面10條記錄，tail()取後面多少條記錄， 也能夠指定記錄條數。columns顯示的表格的列名，index這裏能夠理解爲表格的下標，默認是從0開始的，能夠用len(df)來獲取記錄數 ，df.T能夠理解爲表格的行列轉換。

 

head和tail是表格前面或者後面多少條記錄， 也能夠用loc方法指定第幾條記錄，好比我這裏就強制指定第一和第三條及記錄，固然也能夠限制值顯示指定的列，drop方法是丟棄的意思，axis 參數告訴函數到底捨棄列仍是行。若是axis等於0，那麼就捨棄行，這裏丟棄的是第二、3列的數據，describe屬性對數據的統計特性進行描述，

Python有一個很好的統計推斷包。那就是scipy裏面的stats。ttest_1samp實現了單樣本t檢驗。所以，若是咱們想檢驗數據Abra列的稻穀產量均值，經過零假設，這裏咱們假定整體稻穀產量均值爲15000

第一個數組是t統計量，第二個數組則是相應的p值。返回下述值組成的元祖：

t : 浮點或數組類型 ,t 統計量
prob : 浮點或數組類型, two-tailed p-value 雙側機率值
經過上面的輸出，看到p值是0.267遠大於α等於0.05，所以沒有充分的證聽說平均稻穀產量不是150000。將這個檢驗應用到全部的變量，一樣假設均值爲15000

 

表格的列還能夠當作屬性來獲取， 好比df["Abra"]和df.Abra都是有效的,而且列也支持過濾和排序，以下的df[df.Abra>5000]

 

注意到列名雖然只有一個元素，卻實際上須要包含於一個列表中。若是你想要多個索引，你能夠簡單地在列表中增長另外一個列名.咱們能夠在Pandas中經過調用sort_index來對dataframe實現排序

 

Python中有許多可視化模塊，最流行的當屬matpalotlib庫。稍加說起，咱們也可選擇bokeh和seaborn模塊.