需要使用的库

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt

1、pandas介绍

• 专门用于数据挖掘的开源python库
• 以numpy为基础，借力numpy模块在计算方面性能高的优势
• 基于matplotlib，能够简便的画图
• 独特的数据结构

2、为什么使用pandas

Numpy已经能够帮助我们处理数据，能够结合matplotlib解决部分数据展示等问题，那么pandas学习的目的在什么地方呢？

• 增强图表可读性
  
• 便捷的数据处理能力
  

3、pandas的数据结构

pandas中一共有三种数据结构，分别为：Series、DataFrame和MultiIndex。
其中Series是一维数据结构，DataFrame是二维表格型数据结构，MultiIndex是三维的数据结构。

1、Series

Series是一个类似于一维数组的数据结构，它能够保存任何类型的数据，比如整数、字符串、浮点数等，主要由一组数据和与之相关的索引两部分构成。

2、DataFrame

3、MultiIndex

4、pandas基本数据操作

1、索引操作

2、赋值操作

3、排序

4、算术运算

5、逻辑运算

6、逻辑运算函数

7、统计函数

8、累计统计函数

9、自定义运算

5、pandas读取文件和存储

1、csv文件

• 1、读取csv文件方法
  
• 2、保存csv
  

2、HDF5

3、JSON

6、使用pandas连接数据库

1、安装sqlalchemy

2、使用read_sql()函数读取数据

7、pandas高级用法

1、缺失值处理

2、数据离散化

• 1、为什么要离散化
  连续属性离散化的目的是为了简化数据结构，数据离散化技术可以用来减少给定连续属性值的个数，离散化方法经常作为数据挖掘的工具

• 2、什么是数据的离散化
  连续属性的离散化就是在连续属性的值域上，将值域划分为若干个离散的区间，最后用不同的符号或整数值代表落在每个子区间中的属性值。
  离散化有很多种方法，这使用一种最简单的方式去操作

  • 原始人的身高数据：165、174、160、180、159、163、192、184
  • 假设我们按照身高分几个区间：150-165、165-180、180-195
    这样我们将数据分到三个区间段，我们可以对应的标记为矮、中、高三个类别，最终要处理成一个"哑变量"的矩阵
    
    
    

3、合并

4、交叉表和透视表

• 上面获取这个透视表的步骤，可以用一个函数代替
  

5、分组与聚合