本文寫給誰？
可以用Python寫出Hello world。
Excel太弱雞了，vba語法太變態(tài)；R沒空學；SPSS，SAS是什么？我就是這樣。
有一定的數(shù)據(jù)處理需求，比如你的七大姑八大姨突然發(fā)你一張表讓你搞。
準備工作
首先，你需要一些有用的資料：
你在網(wǎng)上能夠搜到的所有中文資料都可以認為是該文檔的翻譯。
顧名思義，不夠都是一些簡單操作。
真要學pandas，這本是一定要買的，因為本書的作者Kinney就是搞出pandas的人，我只能算草草翻過這本書，但我覺得這本書結(jié)構(gòu)略有問題，也不太考慮業(yè)務場景。
打開IDE，抽根煙喝杯水，一個早上過去了
終端輸入：
pip install pandas
在python文件開頭也要寫上：
import pandas as pd
首先你要了解的是，pandas中兩個最基本的對象是Series和DataFrame。
Series的性質(zhì)和Python中原生的dict差不多，一個key對應一個vaule，而且key必須是唯一的。
DataFrame(以下簡稱df)的性質(zhì)則和SQL中的table差不多，但和MySQL不同的是，對于一個df加.T就可以實現(xiàn)轉(zhuǎn)置，據(jù)Kinney自己說pandas的行(row)操作和列(column)操作基本是平衡的。
什么叫基本平衡呢？就是有時不平衡，舉一個例子，比如往一個Series或者df的最后（或著某一位置）插入一行數(shù)據(jù)，目前沒有什么帥氣的方法，能想到的可行的解決辦法是：
用dict或者其他手段創(chuàng)建一個新的df，然后用append操作將兩個df合并起來。
df.T轉(zhuǎn)置轉(zhuǎn)置原表，然后插入一個新的列。
想想比較丑陋，其實Stack上有人問過這樣的問題，一位大神給出了答案：
pandas本身依賴numpy的，而ndarray在內(nèi)存里占據(jù)這一段連續(xù)的內(nèi)存空間，任何改變ndarray長度的操作都勢必讓所有value改變內(nèi)存中的位置，也確實比較慢。
Pandas適合處理多種類型的數(shù)據(jù)：
具有不同數(shù)據(jù)類型列的表格數(shù)據(jù)，如SQL表或Excel電子表格
有序或無序（不固定頻率）的時間序列數(shù)據(jù)。
帶有行和列標簽的任意矩陣數(shù)據(jù)
任何其他形式的觀測/統(tǒng)計數(shù)據(jù)集。
Pandas主要包含三種數(shù)據(jù)結(jié)構(gòu)，分別是Series(一維)，DataFrame(二維)，Panel(三維)。
其中Series和DataFrame可以用于處理絕大多數(shù)金融，統(tǒng)計，社會科學和許多工程領(lǐng)域的典型問題。對于R用戶而言，DataFrame在支持所有R的data.frame的功能的基礎上還能有更豐富的應用。Pandas庫建立在NumPy庫之上，旨在與科學計算環(huán)境和許多其他第三方庫完美集成。
Pandas的優(yōu)勢：
可以輕易的處理浮點及非浮點數(shù)據(jù)類型的缺失值(NaN)
大小可變：DataFrame和Panel都可以刪除或插入列
數(shù)據(jù)自動對齊
靈活強大的分組功能，可對數(shù)據(jù)集進行拆分組合操作
方便的將其他Python和NumPy數(shù)據(jù)結(jié)構(gòu)中不同類索引的數(shù)據(jù)轉(zhuǎn)換為DataFrame對象
基于智能標簽的切片，花式索引，輕易從大數(shù)據(jù)集中取出子集
直觀的合并，連接數(shù)據(jù)集
輕易的重新定義數(shù)據(jù)集形狀和轉(zhuǎn)置
軸(axes)的分層標簽（使每個元組有多個標簽成為可能）
Pandas庫是統(tǒng)計科學家在分析數(shù)據(jù)時的理想工具，非常適合應用于數(shù)據(jù)清洗，分析/建模，然后將分析結(jié)果組織成適合于繪圖或表格顯示的形式的全部過程。statsmodel庫依賴Pandas庫，使其成為Python統(tǒng)計計算系統(tǒng)的重要組成部分。
Pandas庫已經(jīng)廣泛應用于金融數(shù)據(jù)。
