Pandas是Python的核心數(shù)據(jù)分析支持庫，提供了快速、靈活、明確的數(shù)據(jù)結(jié)構(gòu)，旨在簡單、直觀的處理關(guān)系型、標(biāo)記型數(shù)據(jù)。

Pandas適用于處理以下類型的數(shù)據(jù)：

1.與SQL或Excel表類似的，含異構(gòu)列的表格數(shù)據(jù);

2.有序和無序（非固定頻率）的時間序列數(shù)據(jù);

3.帶行列標(biāo)簽的矩陣數(shù)據(jù)，包括同構(gòu)或異構(gòu)型數(shù)據(jù);

4.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(biāo)記。

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(xué)、工程等領(lǐng)域里的大多數(shù)典型的用例。對于R用戶，DataFrame提供了比R語言data.frame更豐富的功能。Pandas是基于NumPy開發(fā)，可以與其它第三方科學(xué)計算支持庫完美集成。

Pandas有許多的優(yōu)勢

處理浮點(diǎn)與非浮點(diǎn)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、顯示數(shù)據(jù)對齊：顯示將對象與一組標(biāo)簽對齊，也可以忽略標(biāo)簽，在Series、DataFrame計算時自動與數(shù)據(jù)對齊；

強(qiáng)大、靈活的分組（group by）功能：拆分-應(yīng)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(biāo)簽，對大型數(shù)據(jù)集進(jìn)行切片、花式索引、子集分解等操作；

直觀地合并、連接數(shù)據(jù)集；

靈活地重構(gòu)、透視數(shù)據(jù)集；

軸支持結(jié)構(gòu)化標(biāo)簽：一個刻度支持多個標(biāo)簽；

成熟地IO工具：讀取文本文件（CSV等支持分隔符地文件）、Excel文件、數(shù)據(jù)庫等來源地數(shù)據(jù)，利用超快地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(diǎn)。處理數(shù)據(jù)一般分為數(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(xiàng)，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(yīng)用于金融領(lǐng)域。

數(shù)據(jù)結(jié)構(gòu)

為什么有多個數(shù)據(jù)結(jié)構(gòu)？

Pandas數(shù)據(jù)結(jié)構(gòu)就像是低維數(shù)據(jù)的容器。比如，DataFrame是Series的容器，Series則是標(biāo)量的容器。使用這種方式，可以在容器中以字典的形式插入或刪除對象。

此外，通用API函數(shù)的默認(rèn)操作要顧及時間序列與截面數(shù)據(jù)集的方向。多維數(shù)組存儲二維或三維數(shù)據(jù)時，編寫函數(shù)要注意數(shù)據(jù)集的方向，這對我們來說是一種負(fù)擔(dān)；如果不考慮C或Fortran中連續(xù)性對性能的影響，一般情況下，不同的軸在程序里其實(shí)沒有什么區(qū)別。Pandas里，軸的概念主要是為了給數(shù)據(jù)賦予更字段的語義，即用“更恰當(dāng)”的方式表示數(shù)據(jù)集的方向。這樣做可以讓我們在使用Pandas編寫數(shù)據(jù)轉(zhuǎn)換函數(shù)時，少費(fèi)點(diǎn)腦子。

處理DataFrame等表格數(shù)據(jù)時，index（行）或columns（列）比axis

0和axis 1更直觀。用這種方式迭代DataFrame的列，代碼更容易讀懂:

大小可變與數(shù)據(jù)復(fù)制

Pandas所有數(shù)據(jù)結(jié)構(gòu)的值都是可變的，但數(shù)據(jù)結(jié)構(gòu)的大小并非都是可變的，比如，Series的長度不可改變，但DataFrame里就可以插入列。

Pandas里，絕大多數(shù)方法都不改變原始的輸入數(shù)據(jù)，而是復(fù)制數(shù)據(jù)，生成新的對象。一般來說，原始輸入數(shù)據(jù)不變更穩(wěn)妥。

如果你想學(xué)習(xí)Python，但是找不到學(xué)習(xí)路徑和資源，歡迎來指尖編程。