python之pandas簡單介紹及使用
一、 Pandas簡介
1、Python Data Analysis Library 或 pandas 是基於NumPy 的一種工具，該工具是為了解決資料分析任務而建立的。Pandas 納入了大量庫和一些標準的資料模型，提供了高效地操作大型資料集所需的工具。pandas提供了大量能使我們快速便捷地處理資料的函式和方法。你很快就會發現，它是使Python成為強大而高效的資料分析環境的重要因素之一。
2、Pandas 是python的一個數據分析包，最初由AQR Capital Management於2008年4月開發，並於2009年底開源出來，目前由專注於Python資料包開發的PyData開發team繼續開發和維護，屬於PyData專案的一部分。Pandas最初被作為金融資料分析工具而開發出來，因此，pandas為時間序列分析提供了很好的支援。 Pandas的名稱來自於面板資料（panel data）和python資料分析（data analysis）。panel data是經濟學中關於多維資料集的一個術語，在Pandas中也提供了panel的資料型別。
3、資料結構：
Series：一維陣列，與Numpy中的一維array類似。二者與Python基本的資料結構List也很相近，其區別是：List中的元素可以是不同的資料型別，而Array和Series中則只允許儲存相同的資料型別，這樣可以更有效的使用記憶體，提高運算效率。Time- Series：以時間為索引的Series。DataFrame：二維的表格型資料結構。很多功能與R中的data.frame類似。可以將DataFrame理解為Series的容器。以下的內容主要以DataFrame為主。Panel ：三維的陣列，可以理解為DataFrame的容器。Pandas 有兩種自己獨有的基本資料結構。讀者應該注意的是，它固然有著兩種資料結構，因為它依然是 Python 的一個庫，所以，Python 中有的資料型別在這裡依然適用，也同樣還可以使用類自己定義資料型別。只不過，Pandas 裡面又定義了兩種資料型別：Series 和 DataFrame，它們讓資料操作更簡單了。二、 Pandas安裝
三、 Pandas使用
注：本次操作是在ipython中進行
1、匯入pandas模組並使用別名，以及匯入Series模組，以下使用基於本次匯入。
In [1]: from pandas import Series
In [2]: import pandas as pd
2、Series
Series 就如同列表一樣，一系列資料，每個資料對應一個索引值。
Series 就是“豎起來”的 list：
In [3]: s = Series([1,4,'ww','tt'])
In [4]: s
Out[4]:
0 1
1 4
2 ww
3 tt
dtype: object
另外一點也很像列表，就是裡面的元素的型別，由你任意決定（其實是由需要來決定）。
這裡，我們實質上建立了一個 Series 物件，這個物件當然就有其屬性和方法了。比如，下面的兩個屬性依次可以顯示 Series 物件的資料值和索引：
In [5]: s.index
Out[5]: RangeIndex(start=0, stop=4, step=1)
In [8]: s.values
Out[8]: array([1, 4, 'ww', 'tt'], dtype=object)
列表的索引只能是從 0 開始的整數，Series 資料型別在預設情況下，其索引也是如此。不過，區別於列表的是，Series 可以自定義索引：
In [9]: s2 = Series(['wangxing','man',24],index=['name','sex','age'])
In [10]: s2
Out[10]:
name wangxing
sex man
age 24
dtype: object
每個元素都有了索引，就可以根據索引操作元素了。還記得 list 中的操作嗎？Series 中，也有類似的操作。先看簡單的，根據索引檢視其值和修改其值：
In [12]: s2['name']
Out[12]: 'wangxing'
In [45]: s2['name'] = 'wudadiao'
In [46]: s2
Out[46]:
name wudadiao
sex man
age 24
dtype: object
這是不是又有點類似 dict 資料了呢？的確如此。看下面就理解了。
讀者是否注意到，前面定義 Series 物件的時候，用的是列表，即 Series() 方法的引數中，第一個列表就是其資料值，如果需要定義 index，放在後面，依然是一個列表。除了這種方法之外，還可以用下面的方法定義 Series 物件：
In [13]: sd = {'python':9000,'c++':9001,'c#':9000}
In [14]: s3 = Series(sd)
In [15]: s3
Out[15]:
c# 9000
c++ 9001
python 9000
dtype: int64
現在是否理解為什麼前面那個類似 dict 了？因為本來就是可以這樣定義的。
這時候，索引依然可以自定義。Pandas 的優勢在這裡體現出來，如果自定義了索引，自定的索引會自動尋找原來的索引，如果一樣的，就取原來索引對應的值，這個可以簡稱為“自動對齊”。
In [16]: s4 = Series(sd,index=['java','c++','c#'])
In [17]: s4
Out[17]:
java NaN
c++ 9001.0
c# 9000.0
dtype: float64
在 Pandas 中，如果沒有值，都對齊賦給 NaN。
Pandas 有專門的方法來判斷值是否為空。
In [19]: pd.isnull(s4)
Out[19]:
java True
c++ False
c# False
dtype: bool
此外，Series 物件也有同樣的方法：
In [20]: s4.isnull()
Out[20]:
java True
c++ False
c# False
dtype: bool
其實，對索引的名字，是可以從新定義的：
In [21]: s4.index = ['語文','數學','English']
In [22]: s4
Out[22]:
語文 NaN
數學 9001.0
English 9000.0
dtype: float64
對於 Series 資料，也可以做類似下面的運算（關於運算，後面還要詳細介紹）：
In [23]: s4 * 2
Out[23]:
語文 NaN
數學 18002.0
English 18000.0
dtype: float64
In [24]: s4[s4 > 9000]
Out[24]:
數學 9001.0
dtype: float64
Series就先簡要寫到這，下面看pandas的另一種資料結構DataFrame.
DataFrame
DataFrame 是一種二維的資料結構，非常接近於電子表格或者類似 mysql 資料庫的形式。它的豎行稱之為 columns，橫行跟前面的 Series 一樣，稱之為 index，也就是說可以通過 columns 和 index 來確定一個主句的位置。
首先來匯入模組
In [27]: from pandas import Series,DataFrame
In [26]: data = {"name":['google','baidu','yahoo'],"marks":[100,200,300],"price":[1,2,3]}
In [28]: f1 = DataFrame(data)
In [29]: f1
Out[29]:
marks name price
0 100 google 1
1 200 baidu 2
2 300 yahoo 3
這是定義一個 DataFrame 物件的常用方法——使用 dict 定義。字典的“鍵”（"name"，"marks"，"price"）就是 DataFrame 的 columns 的值（名稱），字典中每個“鍵”的“值”是一個列表，它們就是那一豎列中的具體填充資料。上面的定義中沒有確定索引，所以，按照慣例（Series 中已經形成的慣例）就是從 0 開始的整數。從上面的結果中很明顯表示出來，這就是一個二維的資料結構（類似 excel 或者 mysql 中的檢視效果）。
上面的資料顯示中，columns 的順序沒有規定，就如同字典中鍵的順序一樣，但是在 DataFrame 中，columns 跟字典鍵相比，有一個明顯不同，就是其順序可以被規定，向下面這樣做：
In [31]: f2 = DataFrame(data,columns=['name','price','marks'])
In [32]: f2
Out[32]:
name price marks
0 google 1 100
1 baidu 2 200
2 yahoo 3 300
跟 Series 類似的，DataFrame 資料的索引也能夠自定義
In [35]: f3 = DataFrame(data,columns=['name','marks','price'],index=['a','b','c'])
In [36]: f3
Out[36]:
name marks price
a google 100 1
b baidu 200 2
c yahoo 300 3
定義 DataFrame 的方法，除了上面的之外，還可以使用“字典套字典”的方式。
In [40]: newdata = {'lang':{'first':'python','second':'java'},'price':{'first':5000,'second':2000}}
In [41]: f4 = DataFrame(newdata)
In [42]: f4
Out[42]:
lang price
first python 5000
second java 2000
在字典中就規定好數列名稱（第一層鍵）和每橫行索引（第二層字典鍵）以及對應的資料（第二層字典值），也就是在字典中規定好了每個資料格子中的資料，沒有規定的都是空。
DataFrame 物件的 columns 屬性，能夠顯示素有的 columns 名稱。並且，還能用下面類似字典的方式，得到某豎列的全部內容（當然包含索引）：>>> newdata = {"lang":{"firstline":"python","secondline":"java"}, "price":{"firstline":8000}}
>>> f4 = DataFrame(newdata)
>>> f4
lang price
firstline python 8000
secondline java NaN >>> DataFrame(newdata, index=["firstline","secondline","thirdline"])
lang price
firstline python 8000
secondline java NaN
thirdline NaN NaN
DataFrame 物件的 columns 屬性，能夠顯示素有的 columns 名稱。並且，還能用下面類似字典的方式，得到某豎列的全部內容（當然包含索引）：
In [44]: f3['name']
Out[44]:
a google
b baidu
c yahoo
Name: name, dtype: object
下面操作是給同一列賦值
newdata1 = {'username':{'first':'wangxing','second':'dadiao'},'age':{'first':24,'second':25}}
In [67]: f6 = DataFrame(newdata1,columns=['username','age','sex'])
In [68]: f6
Out[68]:
username age sex
first wangxing 24 NaN
second dadiao 25 NaN
In [69]: f6['sex'] = 'man'
In [70]: f6
Out[70]:
username age sex
first wangxing 24 man
second dadiao 25 man
也可以單獨的賦值，除了能夠統一賦值之外，還能夠“點對點”新增數值，結合前面的 Series，既然 DataFrame 物件的每豎列都是一個 Series 物件，那麼可以先定義一個 Series 物件，然後把它放到 DataFrame 物件中。如下：
ssex = Series(['男','女'],index=['first','second'])
In [72]: f6['sex'] = ssex
In [73]: f6
Out[73]:
username age sex
first wangxing 24 男
second dadiao 25 女
還可以更精準的修改資料嗎？當然可以，完全仿照字典的操作：
In [74]: f6['age']['second'] = 30
In [75]: f6
Out[75]:
username age sex
first wangxing 24 男
second dadiao 30 女
參考http://wiki.jikexueyuan.com/project/start-learning-python/312.html所整理。