【数据分析入门】人工智能、数据分析和深度学习是什么关系？如何快速入门 Python Pandas？

目录

• 一、前言
• 二、数据分析和深度学习的区别
• 三、人工智能
• 四、深度学习
• 五、Pandas
• 六、Pandas数据结构
• • 6.1 Series - 序列
  • 6.2 DataFrame - 数据框
• 七、输入、输出
• • 7.1 读取/写入CSV
  • 7.2 读取/写入Excel
  • 7.3 读取和写入 SQL 查询及数据库表
• 八、调用帮助
• 九、选择(这里可以参考上一篇文章的 Numpy Arrays 相关部分)
• • 9.1 取值
  • 9.2 选取、布尔索引及设置值
  • • 9.2.1 按位置
    • 9.2.2 按标签
    • 9.2.3 按标签/位置
    • 9.2.4 布尔索引
    • 9.2.5 设置值
• 十、删除数据
• 十一、排序
• 十二、查询序列与数据框的信息
• • 12.1 基本信息
  • 12.2 汇总
• 十三、应用函数
• 十四、数据对齐
• • 14.1 内部数据对齐
  • 14.2 使用 Fill 方法运算
• 十五、后记

---

本文详细介绍了人工智能、数据分析和深度学习之间的关系，并就数据分析所需的Pandas库做了胎教般的入门引导。祝读得开心！

一、前言

本文是原 《数据分析大全》、现改名为 《数据分析》 专栏的第二篇，我在写这篇文章的时候突然意识到——单靠我是不可能把数据分析的方方面面都讲得明明白白，只是是我自己知道什么，然后再输出我所明白的知识罢了。所以《数据分析大全》的“大全”两个字还真是担不起，就改成 《数据分析》 了。
  本篇主要介绍数据分析中 Python Pandas 相关知识点，打算通过这一篇帮助大家顺利入门Python Pandas，掌握基本的用法和思想。
  上一期《数据分析大全》——Numpy基础可能讲的太过侧重代码而忽略了讲解，如果是还未入门的小白可能看完都不知道讲了啥、为什么要讲这些。
  实用性强和门槛低才是好文章的必要因素，像之前的那一篇就太过强调实用了。结果文章是简短了，可除了已经入门或从事相关工作的同行外，没几个能明白讲了啥的。因此，本篇吸取之前的教训，在交稿前又认真地完善了文章的措辞，加上段落间的衔接和引例等语句，方便小白也能看懂。
  让我先来填一下上期的坑，聊聊数据分析和深度学习都有什么区别和联系。

---

二、数据分析和深度学习的区别

数据分析也好，深度学习也罢，都是一种新的技术，而新技术的产生则是为了解决现实中遇到的问题。我们可以姑且把现实问题分为简单问题和复杂问题。简单问题，只需要简单分析，我们使用数据分析就够了。而复杂问题，则需要复杂分析，我们这才使用机器学习。
  ——那什么是简单问题，什么是复杂问题呢？
  简单问题就比如是今年学院奖学金的评选情况、今天公司的业绩这类问题，数据量不是很大，我们就用数据分析。
  而我们天天使用的某宝、某东这类购物APP，它会根据你的历史购物习惯（这里面有着海量的数据），来给推荐你可能感兴趣的商品。那是如何做到的呢？对于这种复杂问题，这类APP背后使用的就是机器学习以及相应的推荐算法。

---

三、人工智能

人工智能的范围很广，广义上的人工智能泛指通过计算机（机器）实现人的头脑思维，使机器像人一样去决策。
  机器学习是实现人工智能的一种技术。在机器学习分很多方法（算法），不同的方法解决不同的问题。深度学习是机器学习中的一个分支方法。
  总结一下：人工智能、机器学习和深度学习的关系是：人工智能包含机器学习，机器学习包含深度学习（方法），即数据分析>机器学习>深度学习>机器学习。

---

四、深度学习

深度学习在图像，语音等富媒体的分类和识别上取得了非常好的效果，所以各大研究机构和公司都投入了大量的人力做相关的研究和开发。
  举个众人皆知的例子，那就是2016年谷歌旗下DeepMind公司开发的阿尔法围棋（AlphaGo）战胜人类顶尖围棋选手。阿尔法围棋的主要工作原理就是“深度学习”。

---

五、Pandas

咳咳，扯远了，本篇文章要讲的Pandas还没说呢。
  在学习任何东西之前，我们都应该明白两个问题——它能干什么？我能用它做什么？
我相信肯定有人和我在入门数据结构时一样，对这个叫“Pandas”的库有很多问题——Pandas是什么？Pandas一词是怎么来的？Pandas是做什么的？…让我们来一起解决这些困惑。
  首先，Pandas是什么？是Panda→熊猫吗？

这听起来很Cool…但很显然我们不可能用熊猫来帮助我们进行数据分析的工作。其实，Pandas 是一个开放源码、BSD 许可的库，提供高性能、易于使用的数据结构和数据分析工具。

那么，Pandas 一词是怎么来的呢？

Pandas 名字的由来衍生自术语 “panel data”（面板数据）和 “Python data analysis”（Python 数据分析。总的来说，Pandas 是一个强大的分析结构化数据的工具集，基础是 Numpy（提供高性能的矩阵运算）。

听起来明白点了，让我们再来看看 Pandas 究竟是干什么用的。

Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据。
Pandas 可以对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工特征。
Pandas 广泛应用在学术、金融、统计学等各个数据分析领域。

让我们来总结一下：Pandas 是基于 Numpy 创建的 Python 库，为 Python 提供了易于使用的数据结构和数据分析工具。只需要记住这句话，就可以继续进行我们接下来的学习了！

  在Python中，我们可以使用以下语句导入 Pandas 库：

>>> import pandas as pd

---

六、Pandas数据结构

6.1 Series - 序列

首先我们来看看序列，Pandas Series 类似表格中的一个列（column），类似于一维数组，可以保存任何数据类型。Series 由索引（index）和列组成，函数如下：

pandas.Series( data, index, dtype, name, copy)

让我们对上的参数进行简单的说明：
  data：一组数据(ndarray 类型)。
  index：数据索引标签，如果不指定，默认从 0 开始。
  dtype：数据类型，默认会自己判断。
  name：设置名称。
  copy：拷贝数据，默认为 False。
  想想看，要是实现存储任意类型数据的一维数组（如下图），应该怎么实现呢？

  这边附上了实现代码：

>>> s = pd.Series([3, -5, 7, 4], index=['a', 'b', 'c', 'd'])

---

6.2 DataFrame - 数据框

DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（比如数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。

  我们要是想实现上方的存储不同类型数据的二维数组，可以这么实现：

>>> data = {'Country': ['Belgium', 'India', 'Brazil'], 'Capital': ['Brussels', 'New Delhi', 'Brasília'],'Population': [11190846, 1303171035, 207847528]}

>>> df = pd.DataFrame(data, columns=['Country', 'Capital', 'Population'])

---

七、输入、输出

7.1 读取/写入CSV

在解决这个问题前先来了解一下，什么是CSV：

CSV（Comma-Separated Values，逗号分隔值，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。
CSV 是一种通用的、相对简单的文件格式，被用户、商业和科学广泛应用。

Pandas 可以很轻松地处理CSV文件：

>>> pd.read_csv('file.csv', header=None, nrows=5)
>>> df.to_csv('myDataFrame.csv')

---

7.2 读取/写入Excel

在解决问题时，往往涉及到从Excel读取或写入数据，以下给出了相关的代码实现。也有读取内含多个表的Excel中数据的代码实现：

>>> pd.read_excel('file.xlsx')
>>> pd.to_excel('dir/myDataFrame.xlsx', sheet_name='Sheet1')
# 读取内含多个表的Excel
>>> xlsx = pd.ExcelFile('file.xls')
>>> df = pd.read_excel(xlsx, 'Sheet1')

---

7.3 读取和写入 SQL 查询及数据库表

关于读取和写入 SQL 查询及数据库表的代码如下：

>>> from sqlalchemy import create_engine
>>> engine = create_engine('sqlite:///:memory:')
>>> pd.read_sql("SELECT * FROM my_table;", engine)
>>> pd.read_sql_table('my_table', engine)
>>> pd.read_sql_query("SELECT * FROM my_table;", engine)

read_sql()是 read_sql_table() 与 read_sql_query() 的便捷打包器

>>> pd.to_sql('myDf', engine)

---

八、调用帮助

当然，在开发过程中遇到的问题肯定是千奇百怪的。除了在技术论坛上发帖求问、求助师兄师姐，我们也要学会自己查看帮助文档：

  调用帮助的代码如下：

>>>help(pd.Series.loc)

---

九、选择(这里可以参考上一篇文章的 Numpy Arrays 相关部分)

9.1 取值

在取值时，我们可以取序列的值，也可以取数据框的值。以下是取序列值和取数据框子集的代码实现，可以参考一下：

# 取序列的值
>>> s['a']
-5

# 取数据框的子集
>>> df[1:]
 Country Capital Population
 1 India New Delhi 1303171035
 2 Brazil Brasília 207847528

---

9.2 选取、布尔索引及设置值

9.2.1 按位置

在我们根据需求选择某些数据时，往往涉及到按行与列的位置选择某值，以下给出了具体的代码：

# 按行与列的位置选择某值
>>> df.iloc[[0],[0]]
'Belgium'
>>> df.iat([0],[0])
 'Belgium'

9.2.2 按标签

按行与列的名称选择某值的代码实现如下：

# 按行与列的名称选择某值
>>> df.loc[[0], ['Country']]
 'Belgium'
 >>> df.at([0], ['Country']) 
 'Belgium'

9.2.3 按标签/位置

我们也可以选择某行或者选择某列：

# 选择某行
>>> df.ix[2] 
 Country Brazil 
 Capital Brasília 
 Population 207847528

# 选择某列
>>> df.ix[:,'Capital']
 0 Brussels
 1 New Delhi
 2 Brasília 
 >>> df.ix[1,'Capital']
 'New Delhi'

9.2.4 布尔索引

Pandas支持物理顺序进行选取，也支持通过逻辑进行取值。下面给出了几个例子：

>>> s[~(s > 1)] # 序列 S 中没有大于1的值
>>> s[(s < -1) | (s > 2)] # 序列 S 中小于-1或大于2的值
>>> df[df['Population']>1200000000] # 序列 S 中小于-1或大于2的值

9.2.5 设置值

还可以设置索引项的值：

>>> s['a'] = 6 # 将序列 S 中索引为 a 的值设为6

---

十、删除数据

按索引删除序列的值：

>>> s.drop(['a', 'c']) # 按索引删除序列的值 (axis=0) 
>>> df.drop('Country', axis=1) # 按索引删除序列的值 (axis=0) 

---

十一、排序

基本的增删查改都介绍完了，这里再介绍以下排序。下面给出了按索引排序、按某列的值排序、按某列的值排序的另解的代码：

>>> df.sort_index() # 按索引排序
>>> df.sort_values(by='Country') # 按某列的值排序
>>> df.rank() # 按某列的值排序

---

十二、查询序列与数据框的信息

12.1 基本信息

排序也介绍完了，再来说说查询吧。这里给出了获取行、列索引和获取数据框基本信息的两种方法：

>>> df.shape # （行,列)）
>>> df.index # 获取索引
>>> df.columns # 获取索引
>>> df.info() # 获取数据框基本信息
>>> df.count() # 获取数据框基本信息

---

12.2 汇总

常见的功能实现函数汇总如下：

>>> df.sum() # 合计  
>>> df.cumsum() # 合计 
>>> df.min()/df.max() # 最小值除以最大值
>>> df.idxmin()/df.idxmax() # 最小值除以最大值
>>> df.describe() # 基础统计数据
>>> df.mean() # 平均值
>>> df.median() # 中位数

---

十三、应用函数

这里给出了几个常用的函数的调用方法：

>>> f = lambda x: x*2 # 应用匿名函数lambda
>>> df.apply(f) # 应用函数
>>> df.applymap(f)  # 应用函数

---

十四、数据对齐

14.1 内部数据对齐

如有不一致的索引，则使用NA值：

>>> s3 = pd.Series([7, -2, 3], index=['a', 'c', 'd'])
>>> s + s3
 a 10.0
 b NaN
 c 5.0
 d 7.0

---

14.2 使用 Fill 方法运算

还可以使用 Fill 方法进行内部对齐运算：

>>> s.add(s3, fill_value=0)
 a 10.0
 b -5.0
 c 5.0
 d 7.0
>>> s.sub(s3, fill_value=2)
>>> s.div(s3, fill_value=4)
>>> s.mul(s3, fill_value=3)

---

=## 学习资源推荐

除了上述分享，如果你也喜欢编程，想通过学习Python获取更高薪资，这里给大家分享一份Python学习资料。

😝朋友们如果有需要的话，可以V扫描下方二维码联系领取

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

因篇幅有限，仅展示部分资料，添加上方即可获取

一、Python学习路线

二、Python基础学习

1. 开发工具

2. 学习笔记

3. 学习视频

三、Python小白必备手册

四、数据分析全套资源

五、Python面试集锦

1. 面试资料

2. 简历模板

😝朋友们如果有需要的话，可以V扫描下方二维码联系领取

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

因篇幅有限，仅展示部分资料，添加上方即可获取