pandas学习
pandas：开源BSD许可的python库，Python Pandas的官方网站是： http://pandas.pydata.org/
使用强大的数据结构提供高性能的数据操作和分析工具。Pandas：Panel Data - 多维数据的计量经济学
在pandas之前，python主要用于数据迁移和准备，对数据分析的贡献更小，使用pandas可以
完成数据处理和分析的五个典型步骤，而不管数据的来源-加载，准备，操作，模型和分析。
python pandas用于广泛的领域，包括金融、经济、统计、分析等学术和商业领域。
pandas库使用NumPy的大部分功能。
主要特点:
1.快速高效的DataFrame对象，具有默认和自定义的索引（DataFrame 类型类似于数据库表结构的数据结构，其含有行索引和列索引，可以将DataFrame 想成是由相同索引的Series组成的Dict类型。在其底层是通过二维以及一维的数据块实现。）
2.将数据从不同文件格式加载到内存中的数据对象的工具
3.丢失数据的数据对齐和综合处理
4.重组和摆动日期集
5.基于标签的切片，索引和大数据集的子集
6.可以删除或插入来自数据结构的序列
7.按数据分组进行聚合和转换
8.高性能合并和数据加入
9.时间序列功能
Pandas处理的三种数据结构：系列（Series）、数据帧（DataFrame）、面板（Panel），这些数据结构构件在Numpy数组之上，这意味着它们更快。
维数和描述：较高维数据结构是其较低伟数据结构的容器。eg：DataFrame是Series的容器，Panel是DataFrame的容器
--------------------------------------------------------------------------------------------------------
数据结构 维数 描述
系列 1 1 D标记均匀数组，大小不变
数据帧 2 一般2 D标记，大小可变的表结构与潜在的异质类型的列
面板 3 一般3 D标记，大小可变数组
----------------------------------------------------------------------------------------------------------
构建和处理两个或更多个维数组是一项繁琐的任务，用户在编写函数时要考虑数据集的方向，但是使用Pandas数据结构，减少了用户的思考。例如：使用表格数据（DataFrame），在语义上更有利于考虑索引（行）和列，而不是轴0和轴1。
可变性：所有pandas数据结构是值可变的（可更改），除了系列都是大小可变的。系列是大小不变的
（DataFrame被广泛使用，是最重要的数据结构之一，面板使用少得多）
系列
系列是具有均匀数据的一维数组结构。例如，以下系列是整数：10,23,56，...的集合。
- 均匀数据
- 尺寸大小不变
- 数据的值可变
数据帧
数据帧(DataFrame)是一个具有异构数据的二维数组。 例如，
| 姓名 | 年龄 | 性别 | 等级 |
|---|---|---|---|
| Maxsu | 25 | 男 | 4.45 |
| Katie | 34 | 女 | 2.78 |
| Vina | 46 | 女 | 3.9 |
| Lia | 女 | x女 | 4.6 |
上表表示具有整体绩效评级组织的销售团队的数据。数据以行和列表示。每列表示一个属性，每行代表一个人。
列的数据类型
上面数据帧中四列的数据类型如下：
| 列 | 类型 |
|---|---|
| 姓名 | 字符串 |
| 年龄 | 整数 |
| 性别 | 字符串 |
| 等级 | 浮点型 |
- 异构数据
- 大小可变
- 数据可变
面板
面板是具有异构数据的三维数据结构。在图形表示中很难表示面板。但是一个面板可以说明为DataFrame的容器。
关键点
- 异构数据
- 大小可变
- 数据可变
在测试pandas的简单应用时，不能把文件名直接命名为诸如pandas，numpy等，当以该名字命名后在更改名字时，注意要把原运行后的pyc后缀文件删除，否则会出现：
Traceback (most recent call last):
File "PADA.py", line 1, in
import pandas as pd
ImportError: bad magic number in 'pandas': b'\x03\xf3\r\n'
对象创建：
1.通过传递值列表来创建一个系列，让pandas创建一个默认的整数索引：
s=pd.Series([1,3,5,np.nan,6,8])
2.通过传递numpy数组，使用datetime索引和标记列来创建DataFrame：