介绍
欢迎来到 Python 数据分析的世界！在本实验中，你将接触到 Pandas，这是 Python 中最流行、最强大的开源数据处理和分析库。
在开始本课程之前，你应该具备基本的 Python 编程技能，并确保 Python 已正确配置在你的系统 PATH 中。如果你还没有学习 Python，可以从我们的 Python 学习路径 开始。此外，你应该已安装 NumPy，因为它是 Pandas 操作的重要先决条件。如果你需要学习 NumPy，可以探索我们的 NumPy 学习路径。
Pandas 提供了高性能、易于使用的数据结构和数据分析工具。Pandas 的两个主要数据结构是 Series（一维）和 DataFrame（二维）。
在本实验中，你将学习入门所需的基础知识。你将：
- 验证你的环境中是否已安装 Pandas。
- 将 Pandas 库导入 Python 脚本。
- 创建你的第一个 Pandas
Series对象。 - 访问
Series中的数据。 - 检查
Series的基本属性。
本实验专为初学者设计，无需任何 Pandas 预备知识。让我们开始吧！
使用 pip 安装 Pandas
在此步骤中，我们将验证 pandas 是否已在环境中正确安装。LabEx 环境预装了 Python 和 Pandas，以节省你的时间。你可以确认这一点并检查其版本。
要查看已安装的 Python 包的详细信息，你可以使用 pip show 命令。pip 是 Python 的包安装程序。
打开终端并运行以下命令，以显示已安装的 pandas 包的信息：
pip show pandas
你应该会看到一个输出，详细说明了包的名称、版本、摘要和位置。版本应为 2.2.2 或类似版本。
Name: pandas
Version: 2.2.2
Summary: Powerful data structures for data analysis, time series, and statistics
Home-page: https://pandas.pydata.org
Author: The Pandas Development Team
Author-email: pandas-dev@python.org
License: BSD-3-Clause
Location: /usr/local/lib/python3.10/dist-packages
Requires: numpy, python-dateutil, pytz, tzdata
Required-by:
这证实 pandas 已准备好在你的 Python 脚本中使用。
导入 Pandas 并别名为 pd
在此步骤中，你将编写第一行 Python 代码来导入 Pandas 库。按照惯例，Pandas 通常使用别名 pd 进行导入。这使得代码更简洁、更易读。
在 WebIDE 的左侧文件浏览器中，你会看到一个名为 main.py 的文件。这个文件已经为你创建好了。点击它在编辑器中打开。
现在，将以下代码添加到 main.py 中，以导入 pandas 并打印一条确认消息：
import pandas as pd
print("Pandas imported successfully!")
import pandas as pd: 这行代码告诉 Python 加载 Pandas 库并为其指定别名pd。从现在开始，你可以使用pd.来访问 Pandas 的函数和对象。print(...): 这是一个标准的 Python 函数，用于将输出显示到终端。
要运行你的脚本，请转到终端并执行以下命令：
python main.py
你应该会在终端看到确认消息被打印出来：
Pandas imported successfully!
这证实了你的 Python 脚本可以成功导入并使用 Pandas 库。
从列表创建简单的 Series
在此步骤中，你将创建你的第一个 Pandas Series。Series 是一个一维的类数组对象，可以容纳任何数据类型，例如整数、字符串或浮点数。它是 Pandas 中数据构建的基本单元。
你可以通过将 Python 列表传递给 pd.Series() 构造函数来创建 Series。
修改你的 main.py 文件。用以下代码替换之前的 print 语句，以创建并打印一个 Series：
import pandas as pd
## A Python list of numbers
data = [10, 20, 30, 40, 50]
## Create a Pandas Series from the list
s = pd.Series(data)
## Print the Series
print(s)
建议: 你可以将上面的代码复制到你的代码编辑器中，然后仔细阅读每一行代码以理解其功能。如果你需要进一步的解释，可以点击“解释代码”按钮 👆。你可以与 Labby 互动以获得个性化帮助。
data = [...]: 我们首先定义一个简单的整数 Python 列表。s = pd.Series(data): 我们调用pd(Pandas) 库中的Series构造函数，并将我们的列表传递给它。这将创建一个Series对象。
现在，再次从终端运行脚本：
python main.py
输出将显示你的 Series。请注意，它有两列：左侧是索引（0-4），右侧是值（10-50）。如果未指定索引，Pandas 会自动创建一个默认的整数索引。
0 10
1 20
2 30
3 40
4 50
dtype: int64
通过索引访问 Series 中的元素
在此步骤中，你将学习如何访问你创建的 Series 中的单个元素或元素子集。访问数据是数据分析中的一项基本操作。你可以使用索引来访问 Series 中的元素，这与访问 Python 列表类似。
让我们修改 main.py 来访问并打印特定的元素。我们将访问第一个元素（索引为 0）以及一个元素切片。
用以下代码更新你的 main.py 文件。在打印整个 Series 的那一行之后，添加新的 print 语句。
import pandas as pd
data = [10, 20, 30, 40, 50]
s = pd.Series(data)
print("The full Series:")
print(s)
## Access the first element (at index 0)
print("\nFirst element:", s[0])
## Access a slice of elements (from index 1 up to, but not including, 3)
print("\nElements from index 1 to 2:")
print(s[1:3])
s[0]: 这会检索索引为0的值，即10。s[1:3]: 这被称为切片（slicing）。它会检索从索引1开始到索引3（不包含3）结束的元素。这将得到索引为1和2的元素。
运行脚本以查看结果：
python main.py
你的输出现在应该显示完整的 Series，然后是你访问的特定元素。
The full Series:
0 10
1 20
2 30
3 40
4 50
dtype: int64
First element: 10
Elements from index 1 to 2:
1 20
2 30
dtype: int64
打印 Series 的数据类型和形状
在此步骤中，你将学习如何检查 Series 的两个重要属性：其数据类型（dtype）和形状（shape）。理解这些属性对于调试和数据验证至关重要。
dtype: 此属性告诉你Series中存储的值的数据类型（例如，整数为int64，浮点数为float64，字符串为object）。shape: 此属性返回一个表示Series维度的元组。对于一维的Series，它将是一个包含单个值的元组(n,)，其中n是元素的数量。
让我们更新 main.py 来打印这两个属性。将以下行添加到你的脚本末尾：
import pandas as pd
data = [10, 20, 30, 40, 50]
s = pd.Series(data)
## ... (之前的 print 语句可以移除或保留)
## Print the data type of the Series
print("\nData type:", s.dtype)
## Print the shape of the Series
print("Shape:", s.shape)
现在，最后一次运行脚本：
python main.py
输出现在将包含你的 Series 的数据类型和形状。
Data type: int64
Shape: (5,)
这表明你的 Series 包含 64 位整数，并且有 5 个元素。
总结
恭喜！你已成功完成了这个关于 Pandas 的入门实验。
在这个实验中，你学习了使用这个强大库的基本第一步。你已：
- 验证了环境中
pandas的安装。 - 使用标准的别名
pd将pandas库导入到 Python 脚本中。 - 从 Python 列表中创建了一个基本的一维
Series。 - 使用索引和切片访问了
Series中的元素。 - 检查了
dtype和shape属性，以了解Series的结构和数据类型。
这些是你继续学习更复杂的数据结构（如 DataFrame）和执行更高级数据分析任务所需的基本构建块。请继续练习！
