共计 1927 个字符，预计需要花费 5 分钟才能阅读完成。
古代办公室里简直任何一项工作都会用到 Excel，每关上一个 job deion，咱们都会看到一句“要求把握 Excel”。对于程序员来说最好用的数据分析肯定是 Python 中最罕用的数据分析包 Pandas 了。
初识 Pandas
Pandas 是一个 Python 的外围数据分析反对库，它提供了弱小的 一维数组和二维数组 解决能力，其十分善于与解决二维表构造，带行列标签的矩阵数据，工夫序列数据。
Pandas 提供的两个次要数据结构一维数组（Series）和二维数组（DataFrame）强力的撑持着当今金融、统计、社会科学、工程等诸多畛域的数据分析工作。
通过 Pandas 咱们能够不便的操作数据的增、查、改、删、合并、重塑、分组、统计分析，此外 Pandas 还提供了十分成熟的 I/O 工具，用于读取文本文件，excel 文件，数据库等不同起源数据，利用超快的 HDF5 格局保留 / 加载数据。
还有十分重要的一点，pandas 是 完全免费的开源软件 ，而且还 不受操作系统的限度——在 Windows 和 MacOS 上都能跑的溜溜的。
Pandas 到底强在哪里？
1、Pandas 很快，Pandas 是基于 numpy 开发的，此外 Pandas 的很多底层算法都通过 Cython 优化。
2、弱小的包容性，利用 Pandas 能够将 Python 或 Numpy 里不规则的数据结构，轻松转换为 DataFrame。
3、灵便、直观的数据处理能力，通过分组、合并、重塑等操作，灵便、直观、便捷的进行数据预处理。
4、业余的统计分析能力，Pandas 提供了很多便捷的诸如相关性剖析、时序剖析、描述性统计等数据分析 API。
当初的待业局势是：无论你是不是应聘数据相干的岗位，把握 pandas 无疑都能够减少你的职场竞争力。
心动吗？想学吗？小编这就为大家奉上一节收费 Python 系列直播课程《轻松应用 Pandas 玩转 Excel》。在本节公开课中咱们将学到 Excell 的替换、比照、合并，以及 QT 封装脚本。
设想一下，用 Excel 加载一个大型数据表格就须要 2 分钟，一个 Vlookup 或者求和公式的操作又要用去 5 分钟，当表格发生变化时，可能还要从新进行计算，而一个简略的 Python+pandas 脚本就可能把你一个小时的工作量缩短到 20 秒之内实现。
举例比照
例子一：应用行索引，查看每一个 Name 的 Quality，price 汇总数据
1、pandas 实现
pd.pivot_table(df, index=['Name'])运行成果如下：
当咱们只指定 index 时，就是指定了行标签，pivot_table 函数会默认依照平均值，汇总所有的数值字段。因为 Account 字段被 pandas“了解”成了数值类型的(能够通过 df.dtypes 查看)，所以后果中呈现了 Account 列。下面的后果示意每个 Name 的 Account，Price，Quantity 的平均值。
2、Excel 实现选中数据区域，插入，数据透视表，将 Name 字段拉倒“行”区域，Account，Price，Quantity 拉入“值”区域，并将三者的字段汇总形式设置为平均值。
整个步骤的流程及运行后果如下图所示：
能够看到 Excel 默认会有一个汇总行。以 Quantity 为例，它的“总计”值是所有的 Quantity 求和之后，除以 Name 的个数。
如果想用 Pandas 实现这种成果，能够退出 margins=True 参数，成果如下，呈现了 All 行，因为 Account 和 Price 是整数，所以 all 行也是整数，Quantity 是小数，相应的 All 行也是小数。Excel 的总计行也能够在“设计”选项卡，“总计”，“对行和列禁用去掉”。
例子二：应用多个行索引，查看每个 Manager 的每个 Rep 对应的 Account，Price，Quantity 汇总值
1、pandas 实现
pd.pivot_table(df, index=['Manager', 'Rep'], margins=True)运行成果如下：
2.Excel 实现在后面根底上，将 Manager，Rep 拉到“行”的地位即可。成果如下图，能够看到，在要害的数值上，两个后果是统一的，只是在模式上有所不同。
为了在模式上更靠近 pandas 的后果，能够设置透视表的布局。抉择“设计”选项卡，报表布局，抉择“纲要模式显示”即可，成果如上图所示。
仔细观察，发现 excel 里对每一个 Manager 都做了汇总。这个能够通过“设计”选项卡，“分类汇总”，“不显示分类汇总”去掉。
** 长按辨认
**
获取直播链接 / 课件 / 回放
福利：豆花同学为大家精心整顿了一份对于 linux 和 python 的学习材料大合集！有须要的小伙伴们，关注豆花集体公众号：python 头条！回复关键词“材料合集”即可收费支付！
