共计 5372 个字符，预计需要花费 14 分钟才能阅读完成。
一、Pandas 简介
1、Python Data Analysis Library 或 pandas 是基于 NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas 提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使 Python 成为强大而高效的数据分析环境的重要因素之一。
2、Pandas 是 python 的一个数据分析包，最初由 AQR Capital Management 于 2008 年 4 月开发，并于 2009 年底开源出来，目前由专注于 Python 数据包开发的 PyData 开发 team 继续开发和维护，属于 PyData 项目的一部分。Pandas 最初被作为金融数据分析工具而开发出来，因此，pandas 为时间序列分析提供了很好的支持。Pandas 的名称来自于面板数据（panel data）和 python 数据分析（data analysis）。panel data 是经济学中关于多维数据集的一个术语，在 Pandas 中也提供了 panel 的数据类型。
3、数据结构：
Series：一维数组，与 Numpy 中的一维 array 类似。二者与 Python 基本的数据结构 List 也很相近，其区别是：List 中的元素可以是不同的数据类型，而 Array 和 Series 中则只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。Time- Series：以时间为索引的 Series。DataFrame：二维的表格型数据结构。很多功能与 R 中的 data.frame 类似。可以将 DataFrame 理解为 Series 的容器。以下的内容主要以 DataFrame 为主。Panel：三维的数组，可以理解为 DataFrame 的容器。Pandas 有两种自己独有的基本数据结构。读者应该注意的是，它固然有着两种数据结构，因为它依然是 Python 的一个库，所以，Python 中有的数据类型在这里依然适用，也同样还可以使用类自己定义数据类型。只不过，Pandas 里面又定义了两种数据类型：Series 和 DataFrame，它们让数据操作更简单了。
二、Pandas 安装
因为 pandas 是 python 的第三方库所以使用前需要安装一下，直接使用 pip install pandas 就会自动安装 pandas 以及相关组件。
三、Pandas 使用
注：本次操作是在 ipython 中进行
1、导入 pandas 模块并使用别名，以及导入 Series 模块，以下使用基于本次导入。
In [1]: from pandas import Series
In [2]: import pandas as pd
2、SeriesSeries 就如同列表一样，一系列数据，每个数据对应一个索引值。
Series 就是“竖起来”的 list：
In [3]: s = Series([1,4,’ww’,’tt’])
In [4]: sOut[4]:0 11 42 ww3 ttdtype: object
另外一点也很像列表，就是里面的元素的类型，由你任意决定（其实是由需要来决定）。
这里，我们实质上创建了一个 Series 对象，这个对象当然就有其属性和方法了。比如，下面的两个属性依次可以显示 Series 对象的数据值和索引：
In [5]: s.indexOut[5]: RangeIndex(start=0, stop=4, step=1)
In [8]: s.valuesOut[8]: array([1, 4, ‘ww’, ‘tt’], dtype=object)
列表的索引只能是从 0 开始的整数，Series 数据类型在默认情况下，其索引也是如此。不过，区别于列表的是，Series 可以自定义索引：
In [9]: s2 = Series([‘wangxing’,’man’,24],index=[‘name’,’sex’,’age’])
In [10]: s2Out[10]:name wangxingsex manage 24dtype: object
每个元素都有了索引，就可以根据索引操作元素了。还记得 list 中的操作吗？Series 中，也有类似的操作。先看简单的，根据索引查看其值和修改其值：
In [12]: s2[‘name’]Out[12]: ‘wangxing’
In [45]: s2[‘name’] = ‘wudadiao’
In [46]: s2Out[46]:name wudadiaosex manage 24dtype: object
这是不是又有点类似 dict 数据了呢？的确如此。看下面就理解了。
读者是否注意到，前面定义 Series 对象的时候，用的是列表，即 Series() 方法的参数中，第一个列表就是其数据值，如果需要定义 index，放在后面，依然是一个列表。除了这种方法之外，还可以用下面的方法定义 Series 对象：
In [13]: sd = {‘python’:9000,’c++’:9001,’c#’:9000}
In [14]: s3 = Series(sd)
In [15]: s3Out[15]:c# 9000c++ 9001python 9000dtype: int64
现在是否理解为什么前面那个类似 dict 了？因为本来就是可以这样定义的。
这时候，索引依然可以自定义。Pandas 的优势在这里体现出来，如果自定义了索引，自定的索引会自动寻找原来的索引，如果一样的，就取原来索引对应的值，这个可以简称为“自动对齐”。
In [16]: s4 = Series(sd,index=[‘java’,’c++’,’c#’])
In [17]: s4Out[17]:java NaNc++ 9001.0c# 9000.0dtype: float64
在 Pandas 中，如果没有值，都对齐赋给 NaN。
Pandas 有专门的方法来判断值是否为空。
In [19]: pd.isnull(s4)Out[19]:java Truec++ Falsec# Falsedtype: bool
此外，Series 对象也有同样的方法：
In [20]: s4.isnull()Out[20]:java Truec++ Falsec# Falsedtype: bool
其实，对索引的名字，是可以从新定义的：
In [21]: s4.index = [‘ 语文 ’,’ 数学 ’,’English’]
In [22]: s4Out[22]: 语文 NaN 数学 9001.0English 9000.0dtype: float64
对于 Series 数据，也可以做类似下面的运算（关于运算，后面还要详细介绍）：
In [23]: s4 * 2Out[23]: 语文 NaN 数学 18002.0English 18000.0dtype: float64
In [24]: s4[s4 > 9000]Out[24]: 数学 9001.0dtype: float64
Series 就先简要写到这，下面看 pandas 的另一种数据结构 DataFrame.
DataFrameDataFrame 是一种二维的数据结构，非常接近于电子表格或者类似 mysql 数据库的形式。它的竖行称之为 columns，横行跟前面的 Series 一样，称之为 index，也就是说可以通过 columns 和 index 来确定一个主句的位置。
首先来导入模块
In [27]: from pandas import Series,DataFrame
In [26]: data = {“name”:[‘google’,’baidu’,’yahoo’],”marks”:[100,200,300],”price”:[1,2,3]}
In [28]: f1 = DataFrame(data)
In [29]: f1Out[29]: marks name price0 100 google 11 200 baidu 22 300 yahoo 3
这是定义一个 DataFrame 对象的常用方法——使用 dict 定义。字典的“键”（”name”，”marks”，”price”）就是 DataFrame 的 columns 的值（名称），字典中每个“键”的“值”是一个列表，它们就是那一竖列中的具体填充数据。上面的定义中没有确定索引，所以，按照惯例（Series 中已经形成的惯例）就是从 0 开始的整数。从上面的结果中很明显表示出来，这就是一个二维的数据结构（类似 excel 或者 mysql 中的查看效果）。
上面的数据显示中，columns 的顺序没有规定，就如同字典中键的顺序一样，但是在 DataFrame 中，columns 跟字典键相比，有一个明显不同，就是其顺序可以被规定，向下面这样做：
In [31]: f2 = DataFrame(data,columns=[‘name’,’price’,’marks’])
In [32]: f2Out[32]: name price marks0 google 1 1001 baidu 2 2002 yahoo 3 300
跟 Series 类似的，DataFrame 数据的索引也能够自定义
In [35]: f3 = DataFrame(data,columns=[‘name’,’marks’,’price’],index=[‘a’,’b’,’c’])
In [36]: f3Out[36]: name marks pricea google 100 1b baidu 200 2c yahoo 300 3
定义 DataFrame 的方法，除了上面的之外，还可以使用“字典套字典”的方式。
In [40]: newdata = {‘lang’:{‘first’:’python’,’second’:’java’},’price’:{‘first’:5000,’second’:2000}}
In [41]: f4 = DataFrame(newdata)
In [42]: f4Out[42]: lang pricefirst python 5000second java 2000
在字典中就规定好数列名称（第一层键）和每横行索引（第二层字典键）以及对应的数据（第二层字典值），也就是在字典中规定好了每个数据格子中的数据，没有规定的都是空。
DataFrame 对象的 columns 属性，能够显示素有的 columns 名称。并且，还能用下面类似字典的方式，得到某竖列的全部内容（当然包含索引）：
>>> newdata = {“lang”:{“firstline”:”python”,”secondline”:”java”}, “price”:{“firstline”:8000}}
f4 = DataFrame(newdata)
>>> f4
lang price
firstline python 8000 secondline java NaN
>>> DataFrame(newdata, index=[“firstline”,”secondline”,”thirdline”])
lang price firstline python 8000 secondline java NaN thirdline NaN NaN
DataFrame 对象的 columns 属性，能够显示素有的 columns 名称。并且，还能用下面类似字典的方式，得到某竖列的全部内容（当然包含索引）：In [44]: f3[‘name’]Out[44]:a googleb baiduc yahooName: name, dtype: object
下面操作是给同一列赋值
newdata1 = {‘username’:{‘first’:’wangxing’,’second’:’dadiao’},’age’:{‘first’:24,’second’:25}}
In [67]: f6 = DataFrame(newdata1,columns=[‘username’,’age’,’sex’])
In [68]: f6Out[68]: username age sexfirst wangxing 24 NaNsecond dadiao 25 NaN
In [69]: f6[‘sex’] = ‘man’
In [70]: f6Out[70]: username age sexfirst wangxing 24 mansecond dadiao 25 man
也可以单独的赋值，除了能够统一赋值之外，还能够“点对点”添加数值，结合前面的 Series，既然 DataFrame 对象的每竖列都是一个 Series 对象，那么可以先定义一个 Series 对象，然后把它放到 DataFrame 对象中。如下：
ssex = Series([‘ 男 ’,’ 女 ’],index=[‘first’,’second’])
In [72]: f6[‘sex’] = ssex
In [73]: f6Out[73]: username age sexfirst wangxing 24 男 second dadiao 25 女
还可以更精准的修改数据吗？当然可以，完全仿照字典的操作：
In [74]: f6’age’ = 30
In [75]: f6Out[75]: username age sexfirst wangxing 24 男 second dadiao 30 女
