pandas 处理什么样的数据？#

我想开始使用 pandas
```
In [1]: import pandas as pd
```
要加载 pandas 包并开始使用它，请导入该包。社区约定的 pandas 别名是 pd，因此将 pandas 加载为 pd 被认为是所有 pandas 文档中的标准做法。

pandas 数据表表示#

我想存储泰坦尼克号乘客的数据。对于许多乘客，我知道姓名（字符）、年龄（整数）和性别（男/女）数据。

In [2]: df = pd.DataFrame(
   ...:     {
   ...:         "Name": [
   ...:             "Braund, Mr. Owen Harris",
   ...:             "Allen, Mr. William Henry",
   ...:             "Bonnell, Miss Elizabeth",
   ...:         ],
   ...:         "Age": [22, 35, 58],
   ...:         "Sex": ["male", "male", "female"],
   ...:     }
   ...: )
   ...: 

In [3]: df
Out[3]: 
                       Name  Age     Sex
0   Braund, Mr. Owen Harris   22    male
1  Allen, Mr. William Henry   35    male
2   Bonnell, Miss Elizabeth   58  female

要在表中手动存储数据，请创建一个 DataFrame。当使用一个 Python 列表字典时，字典键将用作列标题，每个列表中的值将作为 DataFrame 的列。

一个 DataFrame 是一个二维的数据结构，可以存储不同类型的数据（包括字符、整数、浮点值、分类数据等）在列中。它类似于电子表格、SQL 表或在 R 中的 data.frame。

该表有3列，每列都有一个列标签。列标签分别是 Name、Age 和 Sex。
列 Name 由文本数据组成，每个值都是一个字符串，列 Age 是数字，列 Sex 是文本数据。

在电子表格软件中，我们数据的表格表示看起来非常相似：

`DataFrame` 中的每一列都是一个 `Series`#

我只对处理列 Age 中的数据感兴趣
```
In [4]: df["Age"]
Out[4]: 
0    22
1    35
2    58
Name: Age, dtype: int64
```
当选择一个 pandas DataFrame 的单列时，结果是一个 pandas Series。要选择该列，请在方括号 [] 中使用列标签。

备注

如果你熟悉 Python 字典，选择单个列与基于键选择字典值非常相似。

你可以从头创建一个 Series：

In [5]: ages = pd.Series([22, 35, 58], name="Age")

In [6]: ages
Out[6]: 
0    22
1    35
2    58
Name: Age, dtype: int64

pandas 的 Series 没有列标签，因为它只是一个 DataFrame 的单列。Series 确实有行标签。

对 DataFrame 或 Series 执行某些操作#

我想知道乘客的最大年龄

我们可以在 DataFrame 上通过选择 Age 列并应用 max() 来实现这一点：
```
In [7]: df["Age"].max()
Out[7]: 58
```
或者到 Series:
```
In [8]: ages.max()
Out[8]: 58
```

如 max() 方法所示，你可以对 DataFrame 或 Series 做事情。pandas 提供了许多功能，每个功能都是一个可以应用于 DataFrame 或 Series 的方法。由于方法是函数，不要忘记使用括号 ()。

我对我的数据表的数值数据的一些基本统计数据感兴趣
```
In [9]: df.describe()
Out[9]: 
             Age
count   3.000000
mean   38.333333
std    18.230012
min    22.000000
25%    28.500000
50%    35.000000
75%    46.500000
max    58.000000
```
describe() 方法提供了 DataFrame 中数值数据的快速概览。由于 Name 和 Sex 列是文本数据，这些默认情况下不被 describe() 方法考虑。

许多 pandas 操作返回一个 DataFrame 或一个 Series 。describe() 方法是返回 pandas Series 或 pandas DataFrame 的 pandas 操作的一个例子。

To user guide

在用户指南中关于使用 describe 进行聚合的部分查看更多选项。

备注

这只是一个起点。与电子表格软件类似，pandas 将数据表示为一个包含列和行的表格。除了表示之外，您在电子表格软件中进行的数据操作和计算也由 pandas 支持。继续阅读下一个教程以开始学习！

REMEMBER

导入包，即 import pandas as pd
数据表作为 pandas DataFrame 存储
DataFrame 中的每一列都是一个 Series
你可以通过在 DataFrame 或 Series 上应用方法来完成事情

To user guide

在数据结构介绍页面中提供了对 DataFrame 和 Series 更详细的解释。