python第三方库03：pandas

提示：以下是本篇文章正文内容，下面案例可供参考

一、pandas是什么？

Pandas是面向数据分析场景设计的Python开源软件工具包，其名字来自英文词组panel data，作为经济界的术语指多维结构化的数据集。从命名来看，Pandas特别适合处理序列数据、表格数据等具有良好结构的数据。在软件使用上，由于Pandsa是基于BSD开源软件许可证发布的，能够很方便地在学习、办公和工业应用等场合使用。
1.提供了简单易用的数据结构和数据分析工具
2.理解数据类型与索引的关系，操作索引即操作数据。

二、使用步骤

Pandas提供了两个数据结构：
Series=索引+一维数据
DataFrame=行列索引+二维数据

1.引入库

代码如下（示例）：

from pandas import Series,DataFrame
import pandas as pd

2.两种数据结构

series：一维数组，类似于Python中的基本数据结构list，区别是Series只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。就像数据库中的列数据；
DataFrame: 二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器；
**Panel：**三维的数组，可以理解为DataFrame的容器。（一般用不到）

2.1Series

代码如下（示例）：

#说起来还是比较抽象的，下面举几个例子
import pandas as pd
a=[1,2,3]
#将列表a变成Series数据结构
n1=pd.Series(a)
print(a)
print(a[1])

观察结果，发现，其实series跟列表很像，可以理解为图表中的某列。

那有聪明的同学就问了，那你这不是脱裤子放屁吗，把一个列表换成跟列表差不多的series图什么？
下面我们接着看一个例子：

import pandas as pd
a = ["Google", "Runoob", "Wiki"]
myvar = pd.Series(a, index = ["x", "y", "z"])
print(myvar)

这下子可以理解我在前面所说的吧：series由索引和列组成，其实就是可以理解为数据的某一列。

2.2DataFrame

下面要介绍的就是Dateframe，其是一个表格型的数据结构，可以把他认为是一个series组成的字典，由下图所示，dataframe每一列都可以认为是一个series（共用一个索引），需要注意的是，dataframe既有行索引，也有列索引。

dataframe构造方法如下：

import pandas as pd
#data为一个列表
data = [['Google',10],['Runoob',12],['Wiki',13]]
df = pd.DataFrame(data,columns=['Site','Age'],dtype=float)
print(df)

import pandas as pd
#上图的等价形式，此时data是一个字典
data = {'Site':['Google', 'Runoob', 'Wiki'], 'Age':[10, 12, 13]}
#不难发现，使用字典时，列名为键key
df = pd.DataFrame(data)
print (df)

总结

以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。