接下來要來讓我們認識超級超級厲害、號稱學得好帶你上天堂的Pandas～～～

首先，呼叫我們這次要使用的套件：

import pandas as pd

完成後，讓我們來一起認識在Pandas裡的資料形式！

Series和DataFrame

在Pandas總共有分為一維的Series和二維的DataFrame資料形式，可以把它想像成Excel的一行和一個表。在這次的例子中，Series利用串列(list)作為基底來建立，DataFrame則是用字典(Dictionary)的容器形式來建立：

data = pd.Series([1,2,3,4,5])

dic = {'color':['red','blue','yellow'],
       'number':[2,4,6,8,10],
       'language':['Chinese','English','Japanese']}
df = pd.DataFrame(dic)

針對Series我們還可以有以下數值運算的操作方法：

• max()：最大值
• min()：最小值
• sum()：總和
• mean()：平均數

另外，當你在創建Series時，它已經預設好index供你查詢，就像是你在Excel表裡面輸入資料時，右邊的數字就是預設的索引值。

當然！如果不想要用預設值，也可以自己定義index，如下：

data = pd.Series([1,2,3,4,5]),index = ['a','b','c','d','e']

想要查看Series的索引和數值也很簡單：

data.index #查看索引
data.value #查看數值

資料檢視

基本上我們在做資料分析時，時常使用的是DataFrame，而我們需要運用Pandas來讀取各種檔案，並以DataFrame的形式進行後續的操作。

比方說要讀取一個csv檔，你可以這樣寫：

df = pd.read_csv('檔案名')

也可以是json或是html的形式，只要改成read_json或是read_html即可。

在我們讀取檔案後，可以先看看資料的前幾行有怎麼樣的內容，這是侯我們會用下面的函數：

• head() 查看資料前段，()內可以指定行數。
• tail() 查看資料後段，()內可以指定行數。

此外，我們也會檢視這個檔案整體的資料概況：

• info()　查看欄位名稱、欄位數、資料型態等。
• describe() 簡單的描述性統計：最大值、最小值、平均值、中位數等。

檢查完上述的資訊後，還有一個重要的事情是察看這份檔案中是否有缺失值存在，針對缺失值的檢查和處理：

• isnull() 判斷是否為缺失值
• fillna() 填充缺失值，()放填充的值
• dropna() 直接刪除所有的缺失值

最後，當整理完資料後，不要忘記將這份檔案輸出存檔：

df.to_csv('新建檔案名')

明天將繼續深入Pandas的應用，假如我們想要針對整理好的資料進行篩選、修改和整理，要怎麼做呢？

參考資料：

https://blog.techbridge.cc/2020/09/21/python-pandas-zen-tutorial/

https://oranwind.org/python-pandas-ji-chu-jiao-xue/

https://www.learncodewithmike.com/2020/11/python-pandas-dataframe-tutorial.html