爱不释手的Pandas

作为一门编程语言，Python是怎样被神话的？我想除了其简洁、容易被理解外，最大的优势就是对数据的处理。

Pandas（Python Data Analysis Library）是Python下非常优秀科学计算库，也是这类逆天的库，让Python越来越好用，使用的人越来越多。

在学习Tushare库的时候，我发现自己对Python的数组的理解还是很有限，进一步了解NumPy库后，发现Python对数组的处理，依托于这些第三方库，要比Ruby对数组的处理更强大。

于是我放下原计划，开始从Pandas开始学起。初看起来，按照我的理解，Pandas很像是运行在Python里的数据库，而你无须安装任何数据库软件，怪不得是金融计算和科学计算的最爱。

一、DataFrame的创建

根据我的学习习惯，都是跳过不太常用的基础部分，直接在进阶部分学习。这样的习惯一方面能大大提高学习效率，另一方面也会带来基础不牢的弊端。好在有万能的百度，只要能达到我想要的效果，我不太介意代码的低效。

于是我调过一维数组直接进入二维的学习，在Pandas里，二维数组是使用DataFrame--一种被定义为数据框的东西，可以把它想象成一个电子表格，或者是VFP里的表格。

Pandas是基于numpy的，所以在代码最前方要调用numpy库

然后构建一个二维数组，其实和数据库里用命令行建表类似：

然后定义为DataFrame，并打印输出：

得到的结果如下：

这样就建好了一张表了！Pandas有个很好用的功能，就是一键导出excel！

代码这样写：

生成的Excel表是这样的（xlsx格式）：

二、DataFrame的查询

我要是想查找指定的行列怎么办啊？pandas自带index参数，写为ix：

这行代码的意思是打印输出第三行第二列（程序语言大多数都是从0开始）。

程序输出：adidas

如果不知道具体位置，只知道某一个条件呢？也无妨：

程序输出：

至此，Pandas入门学习到此结束，我不禁拍手叫好。怪不得Python处理excel能力那么烂，因为根本不需要处理啊！都在Pandas里处理好了，直接输出就ok了。