发帖
雷达卡
人工智能之数据分析 Pandas
第一章 简介与安装
前言
Pandas 是基于 Python 的一个高效、灵活且功能强大的数据分析工具库，广泛应用于数据清洗、探索性分析、数据操作等场景。它构建在 NumPy 基础之上，提供了直观易用的数据结构，特别适用于处理表格型或结构化数据。
Pandas 的核心数据结构
Series
Series 是一种一维的带标签数组，能够存储任意类型的数据（如整数、浮点数、字符串等），其特性类似于带有索引的 NumPy 一维数组，支持通过标签进行快速访问和操作。
DataFrame
DataFrame 是一个二维的表格型数据结构，每列可以包含不同类型的数据。它的设计灵感来源于电子表格和关系型数据库中的表结构，是 Pandas 中最常用、最核心的数据对象，适合处理真实世界中的复杂数据集。
安装 Pandas
可以通过以下两种主流方式安装 Pandas：
使用 pip（推荐用于大多数 Python 环境）：
pip install pandas
使用 conda（适用于 Anaconda 或 Miniconda 用户）：
conda install pandas
建议同时安装相关依赖库，例如 NumPy 和 Matplotlib（通常 Pandas 会自动安装这些依赖项）。
pipconda验证安装
完成安装后，可在 Python 环境中执行以下代码来验证是否安装成功：
import pandas as pd
print(pd.__version__)
若未出现错误信息，并输出版本号（例如：
2.3.3），则表示 Pandas 已正确安装并可正常使用。
简单示例
下面是一个创建 DataFrame 的基础示例：
import pandas as pd
# 创建一个 DataFrame
data = {
'姓名': ['张三', '李四', '王五'],
'年龄': [23, 35, 28],
'城市': ['北京', '上海', '广州']
}
df = pd.DataFrame(data)
print(df)
后续说明
部分过渡项目的 Python 示例代码已上传至 Gitee 平台，未来将持续更新和完善相关内容。
参考资料
- 《Python编程：从入门到实践》
- 《利用Python进行数据分析》
- 《算法导论中文第三版》
- 《概率论与数理统计（第四版） (盛骤)》
- 《程序员的数学》
- 《线性代数应该这样学第3版》
- 《微积分和数学分析引论》
- 《（西瓜书）周志华-机器学习》
- 《TensorFlow机器学习实战指南》
- 《Sklearn与TensorFlow机器学习实用指南》
- 《模式识别（第四版）》
- 《深度学习 deep learning》伊恩·古德费洛著（花书）
- 《Python深度学习第二版(中文版)【纯文本】 (登封大数据 (Francois Choliet)) (Z-Library)》
- 《深入浅出神经网络与深度学习+(迈克尔·尼尔森（Michael+Nielsen）》
- 《自然语言处理综论 第2版》
- 《Natural-Language-Processing-with-PyTorch》
- 《计算机视觉-算法与应用(中文版)》
- 《Learning OpenCV 4》
- 《AIGC：智能创作时代》杜雨+&+张孜铭
- 《AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型》
- 《从零构建大语言模型（中文版）》
- 《实战AI大模型》
- 《AI 3.0》
京公网安备 11010802022788号
