Pandas 一個數據分析處理的庫，基於Python 底層是基於numpy的，Pandas的核心結構是DataFrame。 此篇簡單學習了Pandas的基礎操作，主要包括對.csv檔案的讀取（pandas.read_csv（“path”））；讀取資料的前幾行（.head()）或者後幾行(.tail())；顯示資料的列名也即是擡頭（.columns()）以及顯示資料的大小，有多少行多少列（.shape），以及取某一行或ji'hang幾行的資料（.loc[]）; 根據某些條件篩選某些列的資訊；對資料的列與列之間做一些資料處理；獲得某一列的最大值等；最後是對資料的排序（.sort_values("Energ_Kcal",inplace=True)降序，.sort_values("Energ_Kcal",inplace=True,ascending=False)升序）。

具體程式碼如下：

# 資料分析處理庫 Pandas
# Pandas 封裝了很多函式，是在numpy基礎之上，底層是基於numpy的。
# 資料讀取 讀.csv檔案    pandas.read_csv('')
import pandas
food_info = pandas.read_csv('E:\\python_code_test\\food_info.csv')
print(type(food_info)) # DataFrame pandas的核心結構
print(food_info.dtypes) # 表值的型別 int64 float64 object(相當於string型)
# print(help(pandas.read_csv)) # 可以輸出相應函式的幫助文件，更多的瞭解函式

# 從前往後取或者從後往前取資料
print(food_info.head()) # 在table中顯示前五行資料包括擡頭
print(food_info.tail()) # 顯示尾幾行[5 rows x 36 columns]
print(food_info.tail(3)) # [3 rows x 36 columns]  

# 顯示列名 即擡頭
print(food_info.columns)
print(food_info.shape) # (8618, 36) # 8618組資料，每組資料含有36個屬性

# 取資料 .loc[] 相當於一個index
print(food_info.loc[0]) # 取第一行的資料
# NDB_No                         1001
# Shrt_Desc          BUTTER WITH SALT
# Water_(g)                     15.87
# Energ_Kcal                      717
# ……

#…………………………………………………………… 取資料 ……………………………………………………………………………………………………………

# 通過切片取資料
print(food_info.loc[3:6]) # 取第三行到第六行的整行資料 [3,6]
# 整列整列的取資料
get_col = food_info["Water_(g)"] # 根據擡頭定位到某一列
print(get_col) # Name: Water_(g), Length: 8618, dtype: float64
# 或通過變數定位
# col_name = "Water_(g)"
# get_col = food_info[col_name] 

two_col_name = ["Energ_Kcal","Water_(g)"]
get_two_col = food_info[two_col_name] 
print(get_two_col) # 打印出兩列的指標 [8618 rows x 2 columns]

#…………………………………………………………………… 根本條件進行查詢 ………………………………………………………………………………

# 查詢.csv檔案中那些引數以及列名是以(g)為結尾的列
col_names = food_info.columns.tolist() # 將列名儲存為list
gram_columns = [] # 空的
# 條件篩選獲得end為(g)的列名 並複製給gram_columns
for c in col_names:
	if c.endswith("(g)"):  
		gram_columns.append(c)
gram_df = food_info[gram_columns] # 獲得符合篩選列名條件的列名所在列
print(gram_df.head(3))
#    Water_(g)  Protein_(g)     ...       FA_Mono_(g)  FA_Poly_(g)
# 0      15.87         0.85     ...            21.021        3.043
# 1      15.87         0.85     ...            23.426        3.012
# 2       0.24         0.28     ...            28.732        3.694

# ……………………………………………………………  做一些加減乘除的操作 ………………………………………………………………………
div_1000 = food_info["Cholestrl_(mg)"]/1000
print(div_1000) # 相當於把mg轉化成了g

# 對兩個列做一些組合 維度一樣時，對應位置進行相應的操作
Water_energy = food_info["Water_(g)"] * food_info["Energ_Kcal"]

# 新增一列 並命名 Iron_(g)
print(food_info.shape) # (8618, 36)
Iron_gram = food_info["Iron_(mg)"]/1000
food_info["Iron_(g)"] = Iron_gram
print(food_info.shape) # (8618, 37)

# 取某一列最大值
max_calories = food_info["Energ_Kcal"].max()
print(max_calories) # 902
# 歸一化
normalized_calories = food_info["Energ_Kcal"] / max_calories
normalized_fat = food_info["Lipid_Tot_(g)"]/food_info["Lipid_Tot_(g)"].max()
food_info["Normalized_Fat"] = normalized_fat
print(food_info.shape) # (8618, 38)

#…………………………………………………………………… 做排序 …………………………………………………………………………………………

food_info.sort_values("Energ_Kcal",inplace=True) # 從小到達排序 升序
print(food_info["Energ_Kcal"]) 
food_info.sort_values("Energ_Kcal",inplace=True,ascending=False) # 從大到小排序 降序
print(food_info["Energ_Kcal"])