Pandas是什么

Pandas是一个开源的第三方Python库，从Numpy和Matplotlib的基础上构建而来，享有数据分析“三剑客之一”的盛名（NumPy、Matplotlib、Pandas）。Pandas已经成为Python数据分析的必备高级工具，它的目标是成为强大、灵活、可以支持任何编程语言的数据分析工具。Pandas这个名字来源于面板数据（PanelData）与数据分析（dataanalysis）这两个名词的组合。在经济学中，PanelData是一个关于多维数据集的术语。Pandas最初被应用于金融量化交易领域，现在它的应用领域更加广泛，涵盖了农业、工业、交通等许多行业。Pandas最初由WesMcKinney（韦斯·麦金尼）于2008年开发，并于2009年实现开源。目前，Pandas由PyData团队进行日常的开发和维护工作。在2020年12月，PyData团队公布了最新的Pandas1.20版本。在Pandas没有出现之前，Python在数据分析任务中主要承担着数据采集和数据预处理的工作，但是这对数据分析的支持十分有限，并不能突出Python简单、易上手的特点。Pandas的出现使得Python做数据分析的能力得到了大幅度提升，它主要实现了数据分析的五个重要环节：加载数据整理数据操作数据构建数据模型分析数据Pandas主要特点Pandas主要包括以下几个特点：它提供了一个简单、高效、带有默认标签（也可以自定义标签）的DataFrame对象。能够快速得从不同格式的文件中加载数据（比如Excel、CSV、SQL文件），然后将其转换为可处理的对象；能够按数据的行、列标签进行分组，并对分组后的对象执行聚合和转换操作；能够很方便地实现数据归一化操作和缺失值处理；能够很方便地对DataFrame的数据列进行增加、修改或者删除的操作；能够处理不同格式的数据集，比如矩阵数据、异构数据表、时间序列等；提供了多种处理数据集的方式，比如构建子集、切片、过滤、分组以及重新排序等。上述知识点将在后续学习中为大家一一讲解。Pandas主要优势与其它语言的数据分析包相比，Pandas具有以下优势：Pandas的DataFrame和Series构建了适用于数据分析的存储结构；Pandas简洁的API能够让你专注于代码的核心层面；Pandas实现了与其他库的集成，比如Scipy、scikit-learn和Matplotlib；Pandas官方网站（点击访问）提供了完善资料支持，及其良好的社区环境。Pandas内置数据结构我们知道，构建和处理二维、多维数组是一项繁琐的任务。Pandas为解决这一问题，在ndarray数组（NumPy中的数组）的基础上构建出了两种不同的数据结构，分别是Series（一维数据结构）DataFrame（二维数据结构）：Series是带标签的一维数组，这里的标签可以理解为索引，但这个索引并不局限于整数，它也可以是字符类型，比如a、b、c等；DataFrame是一种表格型数据结构，它既有行标签，又有列标签。下面对上述数据结构做简单地的说明：数据结构维度说明Series1该结构能够存储各种数据类型，比如字符数、整数、浮点数、Python 对象等，Series 用 name 和 index 属性来描述数据值。Series 是一维数据结构，因此其维数不可以改变。DataFrame2DataFrame 是一种二维表格型数据的结构，既有行索引，也有列索引。行索引是 index，列索引是 columns。在创建该结构时，可以指定相应的索引值。