Python是进行数据分析的合适语言，主要是因为以数据为中心的库是最佳的。 Pandas是其中之一，使数据的导入和分析变得容易。 本文使用来分析斯坦福大学网站公共数据集的Country Data.csv文件中的数据。
安装
安装Pandas :
要在pipinstallpandaspandas中创建DataFrame，请使用pd.Series方法通过将多个Series传递给DataFrame类来完成数据帧的创建。 在此，传递给两个Series对象，s1是第一行，s2是第二行。
示例：
输出：
用Pandas导入数据
第一步是读取数据。 数据保存为逗号分隔的值或csv文件。 每行由换行符分隔，各列由逗号(，)分隔。 要使Python中的数据可用，必须将csv文件导入到pandas数据帧中。 DataFrame是查看和处理表单数据的方法之一。
示例：
importpandasaspddf=PD.read _ CSV (ind _ data.CSV ) (df.head ) ) df.shape输出：
29，10http://www.Sina.com /
可以使用用Pandas索引DataFrames方法创建索引。 iloc方法可以获取每个位置的最大行和列。
pandas.DataFrame.iloc
df.iloc [ 0:5， ] df.iloc [ : ] df.iloc [ 53360，5 ]很多人在学习python，但我不知道它是从哪里学来的
很多人在学习了python，掌握了基本语法之后，不知道在哪里找案例学好。
制作案例的人大多不知道如何学习更高级的知识。
那么，针对这三类人，我给大家提供了一个很好的学习平台，免费接收视频教程、电子书、课程源代码！
QQ群： 721195303
例子：
可以使用在Pandas中使用标签建立索引方法对标签编制索引。 通过此方法，可以使用标签而不是位置创建索引。
示例：
df.loc [ 0:5， ] df=df.loc [ 5: ]上述内容实际上与df.iloc [0: 5， ]相差无几。 这是因为尽管行标签可以使用任意值，但我们的行标签与位置完全一致。 但是，使用列标签可以更容易地处理数据。 示例：
df.loc[:5，' Time period']
pandas.DataFrame.loc
可以使用pandas工具的统计功能计算数据帧。
示例：
df.describe(df.corr ) (df.rank ) )。
DataFrame Math与Pandas
这些示例中的图是使用用于引用matplotlib API的标准规则创建的。 此API为轻松创建美观地图提供了Pandas的基础知识。
示例：
importtherequiredmoduleimportmatplotlib.pyplotaspltdf [ ' observation value ' ].hist (bins=10 ) df.box plot (column=y=df [ ' time period ' ] PLT.scatter (x，y，label='stars '，cooor s=30 ) PLT.xlabel(observationvalue ) ) PLT.PLT
Pandas图