有關pandas模組的學習與應用主要介紹以下8個部分： 1、資料結構簡介：DataFrame和Series 2、資料索引index 3、利用pandas查詢資料 4、利用pandas的DataFrames進行統計分析 5、利用pandas實現SQL操作 6、利用pandas進行缺失值的處理 7、利用pandas實現Excel的資料透視表功能 8、多層索引的使用

我們在 Python資料分析之pandas學習（一） Python資料分析之pandas學習（一）中已經介紹到了第四部分的描述性統計分析，我們接著往下講pandas模組中的其他的知識點。

五、類似於SQL的操作

在SQL中常見的操作主要是增、刪、改、查幾個動作，那麼pandas能否實現對資料的這幾項操作呢？答案是Of Course!

增：新增新行或增加新列

``` In [99]: dic = {'Name':['LiuShunxiang','Zhangshan'], ...: 'Sex':['M','F'],'Age':[27,23], ...: 'Height':[165.7,167.2],'Weight':[61,63]}

In [100]: student2 = pd.DataFrame(dic)

In [101]: student2 Out[101]: Age Height Name Sex Weight 0 27 165.7 LiuShunxiang M 61 1 23 167.2 Zhangshan F 63 ``` 現在將student2中的資料新增到student中，可以通過 concat函式

新增列的話，其實在pandas中就更簡單了，例如在student2中新增一列學生成績：對於新增的列沒有賦值，就會出現空NaN的形式。

刪：刪除表、觀測行或變數列

刪除資料框student2,通過del命令實現，該命令可以刪除Python的所有物件。刪除指定的行原資料中的第1,2,4,7行的資料已經被刪除了。 根據布林索引刪除行資料，其實這個刪除就是保留刪除條件的反面資料，例如刪除所有14歲以下的學生：

刪除指定的列我們發現，不論是刪除行還是刪除列，都可以通過drop方法實現，只需要設定好刪除的軸即可，即調整drop方法中的axis引數。預設該引數為0，表示刪除行觀測，如果需要刪除列變數，則需設定為1。

改：修改原始記錄的值

如果發現表中的某些資料錯誤了，如何更改原來的值呢？我們試試結合布林索引和賦值的方法： 例如發現student3中姓名為Liushunxiang的學生身高錯了，應該是173，如何改呢？這樣就可以把原來的身高修改為現在的170了。 看，關於索引的操作非常靈活、方便吧，就這樣輕鬆搞定資料的更改。

查：有關資料查詢部分，上面已經介紹過，下面重點講講聚合、排序和多表連線操作。

聚合：pandas模組中可以通過groupby()函式實現資料的聚合操作

根據性別分組，計算各組別中學生身高和體重的平均值：

如果不對原始資料作限制的話，聚合函式會自動選擇數值型資料進行聚合計算。如果不想對年齡計算平均值的話，就需要剔除改變數：

groupby還可以使用多個分組變數，例如根本年齡和性別分組，計算身高與體重的平均值：當然，還可以對每個分組計算多個統計量：是不是很簡單，只需一句就能完成SQL中的SELECT...FROM...GROUP BY...功能，何樂而不為呢？

排序：

排序在日常的統計分析中還是比較常見的操作，我們可以使用order、sort index和sort values實現序列和資料框的排序工作：

我們再試試降序排序的設定：上面兩個結果其實都是按值排序，並且結果中都給出了警告資訊，即建議使用sort_values()函式進行按值排序。

在資料框中一般都是按值排序，例如：

多表連線:

多表之間的連線也是非常常見的資料庫操作，連線分內連線和外連線，在資料庫語言中通過join關鍵字實現，pandas我比較建議使用merger函式實現資料的各種連線操作。 如下是構造一張學生的成績表：現在想把學生表student與學生成績表score做一個關聯，該如何操作呢？注意，預設情況下，merge函式實現的是兩個表之間的內連線，即返回兩張表中共同部分的資料。可以通過how引數設定連線的方式，left為左連線；right為右連線；outer為外連線。

左連線實現的是保留student表中的所有資訊，同時將score表的資訊與之配對，能配多少配多少，對於沒有配對上的Name，將會顯示成績為NaN。

感謝作者分享

資料人網是資料人學習、交流和分享的平臺http://shujuren.org 。專注於從資料中學習。 平臺的理念： 人人投稿，知識共享；人人分析，洞見驅動；智慧聚合，普惠人人。 您在資料人網平臺，可以1）學習資料知識；2）建立資料部落格；3）認識資料朋友；4）尋找資料工作；5）找到其它與資料相關的乾貨。 我們努力堅持做原創，分享和傳播資料知識乾貨！ 我們都是資料人，資料是有價值的，堅定不移地利用資料價值創造價值！