Python结构化数据分析工具Pandas之Pandas概览

Pandas是做数据分析最核心的一个工具。我们要先了解数据分析，才能更好的明白Pandas，因此，本文分为两个部分：

1.数据分析
2.Pandas概述

1. 数据分析

1.1 数据分析的背景

随着计算机的大规模普及，网络数据有了一个爆发性地增长，驱使着人们进入了一个崭新的时代：大数据时代

思考一个问题 既然数据这么多，怎么才能快速地拿到有价值的数据呢？

数据分析就可以从海量数据中挖掘潜藏的有价值的信息，帮助企业或个人预测未来的趋势和行为。所以，不管从事什么行业，如果掌握了数据分析的能力，就会在其岗位上非常具有竞争力！

1.2 什么是数据分析

数据分析是使用统计分析方法对数据进行分析，从中提取有用信息和形成结论，并加以详细研究和概括总结的过程。

数据分析的目的是：将隐藏在一大批看似杂乱无章的数据信息集中提炼出来有用的数据，以找出所研究对象的内在规律。

在统计学领域中，数据分析可以划分为如下三类：

类目	描述
描述性数据分析	从一组数据中，可以摘要并且描述这份数据的集中和离散情形。
探索性数据分析	从海量数据中找出规律，并产生分析模型和研究假设。
验证性数据分析	验证科研假设测试所需的条件是否达到，以保证验证性分析的可靠性。

1.3 数据分析的应用场景

应用	方法及其结果
营销方面	通过会员卡形式获得消费者的个人信息，以便对消费者的购买信息进一步研究其购买习惯，发现各类有价值的目标群体。
医疗方面	医生通过记录和分析婴儿的心跳来监视早产婴儿和患病婴儿的情况，并针对婴儿的身体可能会出现的不适症状做出预测，这样可以帮助医生更好的救助患儿。
零售方面	在美国零售业曾经有这样一个传奇故事，某家商店将纸尿裤和啤酒并排放在一起销售，结果纸尿裤和啤酒的销量双双增长！
网络安全方面	新型的病毒防御系统可以使用数据分析技术，建立潜在攻击识别分析模型，监测大量网络活动数据和相应的访问行为，识别可能进行入侵的可疑模式。
交通物流方面	用户可以通过业务系统和GPS定位系统获得数据，使用数据构建交流状况预测分析模型，有效预测实时路况、物流状况、车流量、货物吞吐量，进而提前补货，制定库存管理策略。
## 1.4 数据分析的流程
数据分析大致可以分为以下五个阶段：

## 1.5 为什么选择Python做数据分析
==问：==

为什么选择Python做数据分析?

![在这里插入图片描述](img-blog.csdnimg.cn/48a88aa3966… =50%x80%) ==答：==

选择Python做数据分析，主要考虑的是Python具有以下优势：

语法简单精炼，适合初学者
拥有一个巨大且活跃的科学计算社区（强大的后援团！）
拥有强大的通用编程能力
人工智能时代的通用语言
方便对接其它语言（Python是一种胶水语言）

2. Pandas概述

2.1 Pandas简介

Python本身的数据分析功能并不强，需要安装一些第三方的扩展库来增强它的能力。其中，针对结构化数据（可简单理解为二维表数据，或我们常用的Excel表格数据）分析能力最强的第三方扩展库就是Pandas

2.2 Pandas来源

Pandas 是python的一个数据分析包，最初由AQR Capital Management于2008年4月开发，并于2009年底开源出来的，目前由专注于Python数据包开发的PyData开发team继续开发和维护，属于PyData项目的一部分。Pandas最初被作为金融数据分析工具而开发出来，因此，pandas为时间序列分析提供了很好的支持。 Pandas的名称来自于面板数据（panel data）和python数据分析（data analysis）。

2.3 Pandas 特点

Pandas 是基于NumPy 的一种工具包，是为解决数据分析任务而创建的。但Numpy只能处理数字，若想处理其他类型的数据，如字符串，就要用到Pandas了。
Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。
Pandas提供了大量能使我们快速便捷地处理数据的函数和方法，是使Python成为强大而高效的数据分析语言的重要因素之一。
Pandas 可以从各种文件格式比如CSV、JSON、SQL、Microsoft Excel 导入数据。
Pandas 可以对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工特征。
Pandas 广泛应用在学术、金融、统计学等各个数据分析领域。

2.4 Pandas最主要的两种数据结构：

Pandas 的主要数据结构是 Series （一维数据）与 DataFrame（二维数据），这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。

Series 是一种类似于一维数组的对象，它由一组数据（各种Numpy数据类型）以及一组与之相关的数据标签（即索引）组成。

DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。

数据结构数据分析 python numpy

0 人点赞