Pandas学习<一>

Python作为现如今最常用的编程语言，以其易于上手和模块丰富而著称。在笔者使用python进行数据分析时，常常会面临各种表格和数据的读取、操作、输出以及数据的可视化。Pandas作为一个非常高效的python数据处理模块，以其简便性和实用性而受到欢迎。恰巧笔者最近在处理数据过程中需要较多的使用pandas进行数据处理。结合当前可能仍有许多人（高手请自行忽略）对这一模块不是特别了解，所以笔者尝试从数据读取、数据初级检索、数据的高级操作、数据可视化三个方面对这一模块进行解读。另一方面，考虑到对于大多数人而言，数据处理过程中最常用的文件格式是excel、txt和csv，因此本文在后续的介绍中也将以这三类格式的文件为主。事实上，pandas模块擅长处理各种不同格式的数据，远不止本文介绍的那么单调。所以如果读者想要更多的了解这个模块，（强烈）建议去此模块的官方网站（https://github.com/pandas-dev/pandas/）进行进一步探索。由于这个系列更多的以笔者的工作需要为主，无法涵盖所有内容，有所疏漏（不仅有，还很多），还请读者谅解。

本文作为系列开篇的第一章，主要从数据读取和数据初级检索这两个方面来进行介绍。

对于python而言，无论何种模块，首先需要做的就是安装（自己动手，丰衣足食）。在命令行下安装模块的命令如下（可能会安装其他依赖的包）：

安装了之后，我们首先需要做的就是加载模块，而加载模块的命令为（后面代码中以>>开头表示在python IDE中输入的命令行）。

值得注意的是pandas可以读取多种类型的文件，读者可以通过下表看出。

只是对于excel、txt和csv三种格式的文件而言， read_excel、read_csv和read_table三个函数就足以应付大部分的情况了。

read_excel函数常用于读取excel文件。该函数最常用到的参数是sheet_name、header、names、index_col和usecols。sheet_name参数指定用于读取excel的sheet编号；header参数用于指定作为列名的列索引；name参数通过赋值来指定列名（在不指定header的情况下）；index_col参数用于指定作为行名的行索引，usecols参数则指定可以被读进Pandas table对象的列的集合。

read_csv函数用于读取csv文件。该函数最常用的参数是sep、delimiter 、header、names、index_col和usecols。与read_excel函数包含相同的参数就不再一一介绍，而新的参数如sep用于分隔符使用（delimiter与sep含义相同）。

read_table函数用于读取txt文件。该函数与read_csv函数的参数基本一致。使用可以参考read_csv函数。

了解完函数之后，我们需要使用这些函数去读取文件。对于pandas而言，数据格式仅仅有两种类型。一是系列，以一维标记的同质的数组；二是数据框，通常是2维的，其中每行或者每列代表一个系列。

接下来，我们就从代码上来解读如何读取一个文件（为方便演示，笔者准备了Test_file.xlsx）。

首先，通过pd.read_excel函数读取文件。通过print函数显示数据格式。从下面的结果可以看出，数据为8*4的二维数组。

读取完数据之后，如何精确定位到某一行、某一列或者某个元素，方便对选中的行、列或者元素进行操作呢？Pandas提供了包括[]、loc和iloc三种方式在内的多种函数用以对数据进行操作。下面，我将以[]、loc和iloc三种方式为主，通过多个命令去简略介绍一下如何快速定位数据和增添数据。只是读者如果想要了解更多，可以去官方网站上进行进一步探索。

命令一：通过列标签选择单列。

命令二：通过列标签选择双列或多列。

命令三：通过行索引选择行。

命令四：通过行标签选择行。

命令五：通过行索引选择行。

命令六：通过列标签和行索引选择元素。

命令七：通过列与行的索引选择元素。

命令八：通过lambda函数对指定列元素进行筛选，并返回一个所有符合条件的列元素所在行索引的行。

命令九：通过index属性返回行的属性。

命令十：通过行索引和列标签寻找数据。

命令十一：以单列数据为样本，进行随机抽样。

命令十二：通过新列名（’E’）来增加数据。

命令十三: 通过新列名（’R9’）来增加数据。

通过上述命令，可以对pandas读取数据以及对数据的基本操作有了一个简单的理解。但是更多更实用的技能仍需要读者通过自己写脚本实践，从而进一步的掌握。

上述的所有命令我已经整理成Learn_of_pandas_part1.ipynb文档放在我的github网站上（网址是https://github.com/wangjun258/Learn_of_pandas_part1），欢迎读者在jupyter notebook继续实践。

三 惯例小结

更高阶的使用指南也详见下面的官方号

本公众号开发的相关软件，Multi-omics Hammer软件和Multi-omics Visual软件欢迎大家使用。文末是本公众号在其他平台的账户，也欢迎大家关注并多提意见。

简书：WJ的生信小院

公众号：生信小院

博客园：生信小院

最后，也欢迎各位大佬能够在本平台上：1传播和讲解自己发表的论文；2：发表对某一科研领域的看法；3：想要达成的合作或者相应的招聘信息；4：展示自己以寻找博后工作或者博士就读的机会;5:博导提供博后工作或者博士攻读机会，都可以后台给笔者留言。希望本平台在进行生信知识分享的同时，能够成为生信分析者的交流平台，能够实现相应的利益互补和双赢（不一定能实现，但是梦想总得是有的吧）。

另外，怎么说呢，投。。。。。。币也可，不强求，但奢求