Pandas 模組與AI

Pandas 模組在資料科學與 AI 研究中非常重要，特別是對於結構化的資料，它提供了處理資料的方法，如表格和數據集。接下來會針對幾個與 AI 相關的小節，簡單介紹 Pandas。
(需要先在終端機輸入 pip install pandas)

1. Series 的運算

Pandas Series 是一種類似一維陣列的資料結構，可以透過 list、dict 或是 numpy array 建立。它是 DataFrame 的基本單位，適合用來表示單一列的數據，比如一個 AI 模型中的特徵數據。

使用 Numpy 的 ndarray 建立 Series：

使用 Numpy 的 ndarray 來創建 Series，對於處理數據流很有幫助，尤其當我們有數據表時，每一個欄位或特徵都可以當作一個 Series 來看。

2. DataFrame 的基本操作

Pandas DataFrame 是一種二維資料結構，由多個 Series 組成。每個欄位都有對應的列標籤（索引）與欄標籤（欄位名稱），所以 DataFrame 很適合用來儲存和操作大型資料集。

使用字典建立 DataFrame：

使用一個字典來創建 DataFrame，每個鍵（key）對應一個欄位名稱、每個值（value）對應該欄位的數據，這個方式適合用來處理結構化資料。

3. Pandas 資料分析與處理

Pandas 提供了許多資料分析的工具，比如數學運算、邏輯運算和資料清理功能。在 AI 研究中經常需要處理缺失資料（NaN），進行數據篩選，以及應用統計分析。

四則運算與邏輯運算：

使用 Pandas 的 Series 進行基本的加法運算，並進行邏輯運算來篩選符合條件的數據。

4. 檔案的輸入與輸出

我們經常需要將數據從外部檔案讀入程式或將數據存回檔案，Pandas 也有適合的工具來讀取和寫入 CSV、Excel 等格式的檔案。

讀取 CSV 檔案：

pd.read_csv 讓我們能比較容易的讀取 CSV 格式的檔案，並轉成 DataFrame。它也可以快速分析和處理大量的數據，而在 AI 領域中，數據集通常以這種格式存在。

5. Pandas 繪圖功能

資料可視化對於 AI 研究也非常重要，Pandas 提供了許多簡單的繪圖方法，能幫我們直觀的理解數據。

繪製折線圖表：

這裡使用 pd.DataFrame 進行資料的可視化，而折線圖能幫助我們分析時間序列資料，這對於預測模型非常有幫助。

結語

之前訓練 AI 模型時，都會在程式開始的地方看到 import Pandas，終於學到這個看過很多次的程式碼了><

無論是對資料的預處理、分析，還是視覺化，Pandas 都提供了簡單且容易使用的工具。可以利用它快速建構、整理數據，進而更專注於 AI 模型的訓練和優化。

今天先學到 Pandas 的基本操作和應用，明天會做小專題來進行比較複雜的應用~