資料結構
網路
關係資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究Python Pandas 處理哪種資料？
如果使用機器學習或資料科學等技術，就需要處理資料。資料是這些技術的基石。在現實環境中，處理資料是一個非常困難的過程，因為現實世界中的資料很雜亂。
使用 Python Pandas 包的主要優勢在於，它具有許多處理資料的功能。眾所周知，即時資料可以是任何形式，可以是字元、整數、浮點數、分類資料等等。
Pandas 最適合處理或操作表格資料，因為它有一個 DataFrame 物件，該物件具有更多功能。DataFrame 是一種二維資料結構，用於儲存表格資料，這些資料可以是任何形式（整數、字元、浮點數、分類資料等等）。
示例
import pandas as pd
data = pd.read_csv('sales_data.csv')
data.dtypes解釋
使用 import 關鍵字匯入了 Pandas 包，之後使用 read_csv 函式讀取 CSV 檔案。這裡的 sales_data.csv 檔案是我們的資料檔案，該檔案有 10 列，分別命名為客戶編號、客戶姓名、2016 年、2017 年、增長百分比、1 月份單位、月份、日期、年份、活躍。
每列都儲存著不同型別的資料。為了分別獲取每列的資料型別，這裡我們使用了 dtype 屬性。
輸出
Customer Number float64 Customer Name object 2016 object 2017 object Percent Growth object Jan Units object Month int64 Day int64 Year int64 Active object dtype: object
上面的輸出塊表示輸入資料集（sales_data.cvs）的列名和資料型別。有三列儲存整數，一列儲存浮點數，其餘六列儲存物件資料，也就是文字型別資料。
示例
df = pd.DataFrame({'datetime': [pd.Timestamp('20190210')],'boolean': True})
print(df)
print() # for providing space at output
print(df.dtypes)解釋
上面的程式碼塊由兩種資料型別建立，分別是 DateTime 和布林資料型別。使用 pd.timestamp 建立了日期時間資料型別資料。
輸出
datetime boolean 0 2019-02-10 True datetime datetime64[ns] boolean bool dtype: object
上面的輸出塊中有兩個輸出。第一個表示 DataFrame 物件 df 中存在的資料，第二個表示 DataFrame 物件的每一列的資料型別。
透過這些例子，我們可以看到 Pandas 如何以及處理哪種型別的資料。
更新於： 2021 年 11 月 18 日
332 次檢視
廣告