python知识,python的概述
【01x00】了解 Pandas
Pandas是Python的一个数据分析包，基于NumPy构建。它最初由AQR资本管理公司于2008年4月开发，并于2009年底开源。目前由专注于Python数据包开发的PyData开发团队持续开发和维护，是PyData项目的一部分。
Pandas最初是作为金融数据分析工具开发的，因此Pandas为时间序列分析提供了很好的支持。熊猫的名字来源于面板数据和Python数据分析。
Panel data是经济学中关于立方体的一个术语，Panel的数据类型在熊猫中也有提供。
Pandas经常与其他工具一起使用，如数值计算工具NumPy和SciPy，分析库statsmodels和scikit-learn，数据可视化库Matplotlib等。虽然Pandas采用了大量的NumPy编码风格，但两者的区别在于Pandas是专门为处理表格和混合数据而设计的。
NumPy更适合处理均匀的数值数组数据。
Pandas是Python的核心数据分析支持库，提供了快速、灵活、清晰的数据结构，旨在简单直观地处理关系型和标记型数据。
Pandas旨在成为Python数据分析实践和实战必不可少的高级工具，其长期目标是成为最强大、最灵活、可支持任何语言的开源数据分析工具。经过多年的不懈努力，熊猫离这个目标越来越近了。
Pandas 适用于处理以下类型的数据：
1.具有类似于SQL或Excel表的异构列的表数据；
2.有序和无序(非固定频率)时间序列数据；
3.具有行和列标签的矩阵数据，包括同构或异构数据；
4.任何其他形式的观察和统计数据集，并且当数据被转移到Pandas数据结构中时，不需要预先标记该数据。
熊猫的主要数据结构是Series(一维数据)和DataFrame(二维数据)，足以处理金融、统计、社科、工程等领域的大多数典型用例。
对于R语言用户，DataFrame提供了比R语言data.frame更丰富的功能，Pandas基于NumPy开发，可以与其他第三方科学计算支持库完美集成。
Pandas 就像一把万能瑞士军刀，下面仅列出了它的部分优势 ：
1.处理浮点和非浮点数据中的缺失数据，记为NaN；
2.可变大小：插入或删除DataFrame等多维对象的列；
3.自动和显式数据对齐：将对象与一组标签显式对齐，或忽略标签，并在系列和数据帧计算期间自动与数据对齐；
4.强大灵活的按功能分组：拆分-应用-合并数据集，聚合和转换数据；
5.轻松将Python和NumPy数据结构中不同索引的不规则数据转换为DataFrame对象；
6.基于智能标签，对大数据集进行切片、花式索引、子集分解等操作；
7.直观地合并和连接数据集；
8.灵活地改造和轮换数据集；
9.Axis支持分层标签(每个刻度可以有多个标签)；
10.强大的IO工具，可以从平面文件(CSV等支持分隔符的文件)、Excel文件、数据库等来源读取数据，保存/加载超快HDF5格式的数据；
时间序列：支持日期范围生成、频率转换、移动窗口统计、移动窗口线性回归、日期位移等时间序列功能。
这些功能主要是解决其他编程语言和科研环境的痛点。数据处理一般分为几个阶段：数据整理和清洗、数据分析和建模、数据可视化和制表。Pandas是数据处理的理想工具。
其它说明：
熊猫跑得非常快。熊猫的很多底层算法都被Cython优化过。但是，为了保持通用性，必须牺牲一些性能。如果你专注于某个功能，你可以开发一个比熊猫还快的特殊工具。
Pandas是statsmodels的依赖项，所以Pandas也是Python中统计计算生态系统的重要组成部分。
熊猫已经广泛应用于金融领域。
【02x00】Pandas 数据结构
熊猫的主要数据结构是Series(标注为一维同质数组)和DataFrame(标注为大小可变的二维异质表)。
Pandas数据结构就像一个低维数据的容器。例如，DataFrame是Series的容器，Series是标量容器。这样，对象可以以字典的形式在容器中插入或删除。
另外，一般API函数的默认操作要考虑时间序列和横截面数据集的方向。
当使用Ndarray存储2D或3D数据时，用户在编写函数时注意数据集的方向是一个负担。如果不考虑C或Fortran中连续性对性能的影响，一般来说，程序中不同轴之间是没有区别的。
在熊猫中，轴的概念主要是赋予数据更直观的语义，即以更恰当的方式表达数据集的方向。这使得用户可以用更少的大脑编写数据转换函数。
在处理DataFrame等表格数据时，比较Numpy、index (row)或columns (column)比axis 0和axis 1更直观。以这种方式迭代DataFrame的列使代码更具可读性和可理解性：
forcolindf.columns:
系列=df[列]
#dosomethingwithseries更多Python知识请关注Python视频教程！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。