pandas是一個Python語言的軟件包，在我們使用Python語言進行機器學習編程的時候，這是一個非常常用的基礎編程庫。本文是對它的一個入門教程。

pandas提供了快速，靈活和富有表現(xiàn)力的數(shù)據(jù)結(jié)構(gòu)，目的是使“關(guān)系”或“標記”數(shù)據(jù)的工作既簡單又直觀。它旨在成為在Python中進行實際數(shù)據(jù)分析的高級構(gòu)建塊。

入門介紹

pandas適合于許多不同類型的數(shù)據(jù)，包括：

由于這是一個Python語言的軟件包，因此需要你的機器上首先需要具備Python語言的環(huán)境。關(guān)于這一點，請自行在網(wǎng)絡上搜索獲取方法。

關(guān)于如何獲取pandas請參閱官網(wǎng)上的說明：pandas Installation。

通常情況下，我們可以通過pip來執(zhí)行安裝：

sudo pip3 install pandas

或者通過conda 來安裝pandas：

conda install pandas

目前（2018年2月）pandas的最新版本是v0.22.0（發(fā)布時間：2017年12月29日）。

我已經(jīng)將本文的源碼和測試數(shù)據(jù)放到Github上：pandas_tutorial ，讀者可以前往獲取。

另外，pandas常常和NumPy一起使用，本文中的源碼中也會用到NumPy。

建議讀者先對NumPy有一定的熟悉再來學習pandas，我之前也寫過一個NumPy的基礎教程，參見這里：Python 機器學習庫 NumPy 教程

核心數(shù)據(jù)結(jié)構(gòu)

pandas最核心的就是Series和DataFrame兩個數(shù)據(jù)結(jié)構(gòu)。

這兩種類型的數(shù)據(jù)結(jié)構(gòu)對比如下：

DataFrame可以看做是Series的容器，即：一個DataFrame中可以包含若干個Series。

注：在0.20.0版本之前，還有一個三維的數(shù)據(jù)結(jié)構(gòu)，名稱為Panel。這也是pandas庫取名的原因：pan-da-s。但這種數(shù)據(jù)結(jié)構(gòu)由于很少被使用到，因此已經(jīng)被廢棄了。

Series

由于Series是一維結(jié)構(gòu)的數(shù)據(jù)，我們可以直接通過數(shù)組來創(chuàng)建這種數(shù)據(jù)，像這樣：

# data_structure.pyimport pandas as pdimport numpy as npseries1 = pd.Series([1, 2, 3, 4])print("series1:/n{}/n".format(series1))

這段代碼輸出如下：

series1:0 11 22 33 4dtype: int64

這段輸出說明如下：

我們可以分別打印出Series中的數(shù)據(jù)和索引：

# data_structure.pyprint("series1.values: {}/n".format(series1.values))print("series1.index: {}/n".format(series1.index))