Python Pandas教程

Pandas是經(jīng)過BSD許可的開源的 Python 數(shù)據(jù)分析支持庫，為Python編程語言提供了高性能，易于使用的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)分析工具。Python with Pandas在包括學術(shù)，商業(yè)領域在內(nèi)的廣泛領域中使用，包括金融，經(jīng)濟學，統(tǒng)計學，分析等。Pandas是一個強大的分析結(jié)構(gòu)化數(shù)據(jù)的工具集；它的使用基礎是Numpy（提供高性能的矩陣運算）；用于數(shù)據(jù)挖掘和數(shù)據(jù)分析，同時也提供數(shù)據(jù)清洗功能。在本教程中，我們將學習Python Pandas的各種功能以及如何在實踐中使用它們。

本教程是為那些想要學習pandas的基礎知識和各種功能的人準備的。這對從事數(shù)據(jù)清理和分析工作的人員特別有用。完成本教程后，您將發(fā)現(xiàn)自己具有中等專業(yè)知識水平，可以從中獲得更高的專業(yè)知識水平。

學習pandas前您應該對計算機編程術(shù)語有基本的了解。對任何一種編程語言都有基本的了解是加分的。pandas庫使用了NumPy的大多數(shù)功能。建議您先閱讀有關(guān)NumPy的教程，然后再繼續(xù)本教程。

Pandas 適用于處理以下類型的數(shù)據(jù)：

與 SQL 或 Excel 表類似的，含異構(gòu)列的表格數(shù)據(jù); NumPy 數(shù)組元素需具有相同的數(shù)據(jù)類型，因此在內(nèi)存中的大小相同。 有序和無序（非固定頻率）的時間序列數(shù)據(jù); 帶行列標簽的矩陣數(shù)據(jù)，包括同構(gòu)或異構(gòu)型數(shù)據(jù); 任意其它形式的觀測、統(tǒng)計數(shù)據(jù)集, 數(shù)據(jù)轉(zhuǎn)入 Pandas 數(shù)據(jù)結(jié)構(gòu)時不必事先標記。

為何使用 Pandas？

Pandas 的主要數(shù)據(jù)結(jié)構(gòu)是 Series（一維數(shù)據(jù)）與 DataFrame（二維數(shù)據(jù)），這兩種數(shù)據(jù)結(jié)構(gòu)足以處理金融、統(tǒng)計、社會科學、工程等領域里的大多數(shù)典型用例。對于 R 用戶，DataFrame 提供了比 R 語言 data.frame 更豐富的功能。Pandas 基于 NumPy 開發(fā)，可以與其它第三方科學計算支持庫完美集成。Pandas 就像一把萬能瑞士軍刀，下面僅列出了它的部分優(yōu)勢 ：

處理浮點與非浮點數(shù)據(jù)里的缺失數(shù)據(jù)，表示為 NaN； 大小可變：插入或刪除 DataFrame 等多維對象的列； 自動、顯式數(shù)據(jù)對齊：顯式地將對象與一組標簽對齊，也可以忽略標簽，在 Series、DataFrame 計算時自動與數(shù)據(jù)對齊； 強大、靈活的分組（group by）功能：拆分-應用-組合數(shù)據(jù)集，聚合、轉(zhuǎn)換數(shù)據(jù)； 把 Python 和 NumPy 數(shù)據(jù)結(jié)構(gòu)里不規(guī)則、不同索引的數(shù)據(jù)輕松地轉(zhuǎn)換為 DataFrame 對象； 基于智能標簽，對大型數(shù)據(jù)集進行切片、花式索引、子集分解等操作； 直觀地合并(merge)、**連接(join)**數(shù)據(jù)集； 靈活地重塑(reshape)、**透視(pivot)**數(shù)據(jù)集； 軸支持結(jié)構(gòu)化標簽：一個刻度支持多個標簽； 成熟的 IO 工具：讀取文本文件（CSV 等支持分隔符的文件）、Excel 文件、數(shù)據(jù)庫等來源的數(shù)據(jù)，利用超快的 HDF5 格式保存 / 加載數(shù)據(jù)； 時間序列：支持日期范圍生成、頻率轉(zhuǎn)換、移動窗口統(tǒng)計、移動窗口線性回歸、日期位移等時間序列功能。

這些功能主要是為了解決其它編程語言、科研環(huán)境的痛點。處理數(shù)據(jù)一般分為幾個階段：數(shù)據(jù)整理與清洗、數(shù)據(jù)分析與建模、數(shù)據(jù)可視化與制表，Pandas 是處理數(shù)據(jù)的理想工具。

Pandas 速度很快。Pandas 的很多底層算法都用 Cython 優(yōu)化過。然而，為了保持通用性，必然要犧牲一些性能，如果專注某一功能，完全可以開發(fā)出比 Pandas 更快的專用工具。 Pandas 是 statsmodels 的依賴項，因此，Pandas 也是 Python 中統(tǒng)計計算生態(tài)系統(tǒng)的重要組成部分。 Pandas 已廣泛應用于金融領域。

Pandas的簡單實例

  $ pip install pandas
  $ python -i
  >>> pandaspd
 >>> df = pd.() 
 >>> print(df)
  Empty DataFrame
 Columns: []
 Index: []