pandas是乙個基於numpy的資料分析包，這個庫就是為資料分析而生的，你可以像操作excel一樣操作pandas，實現資料的選擇排序、篩選過濾、統計分析等功能，實際上，pandas就是python中的excel，在學習pandas之後你會更加深刻的理解這句話是多麼的形象準確的。
為了簡化表示，本文示例中的pd表示pandas庫，即import pandas as pd。
一、基礎資料結構dataframe和series
pandas中最基礎的資料結構就是dataframe和series，從陣列的角度理解，可以將dataframe看作是二維陣列，將series看作是一維陣列，當然，最直觀的理解就是dataframe是乙個excel**，由行索引、列名和資料（二維陣列）組成，而series是則表中的一列資料，只有行索引和資料（一維陣列）兩部分。
1. 建立dataframe和series
乙個dataframe可以看作是由行索引、列名及資料（二維陣列）三部分構成，對於行索引，在pandas中的處理是比較特殊的，比如有n行資料，預設情況下，行索引會是我們熟悉的從0到n-1的索引號，但是我們也可以自己指定每一行的行索引，或者說是行標籤，通過行標籤同樣也能取到對應行的資料。當然，列名如果沒有指定，同樣是0到n-1的序號。
通過列表建立dataframe：
通過字典建立dataframe：
通過檔案建立dataframe：
csv檔案資料
**示例
通過列表建立series：
2. 檢視dataframe和series
dataframe和series物件有許多快速檢視自身資訊的屬性和方法，因為series的許多屬性和方法與dataframe都是相似的，所以這裡就只列一些dataframe中比較常用的：
簡單示例：
二、索引操作
這裡說的索引指的是行索引或者說行標籤，pandas中關於行索引有許多巧妙且實用的用法，能幫助我們更好的進行資料分析，具體見示例**。
對於索引的使用，即可以像numpy中那樣去操作pandas中的索引，也可以使用iloc()方法和loc()方法去操作索引，區別在於iloc()方法只能用於原始的0到n-1索引，而loc()方法可以將自己指定的行標籤像索引一樣去操作，具體見示例**。
三、常用方法
因為pandas的核心是numpy庫，所以numpy中的一些特色用法在pandas中也是可以使用的，比如通過算術運算子實現對每個元素的加減乘除等操作，以及使用max、mean等統計方法在pandas中也都是支援的。
以下列舉一些dataframe和series的常用操作和方法（具體的引數使用請參考對應的幫助文件或官方api文件），為了簡化表示，df代表dataframe物件，s代表series物件，具體使用效果見示例**。
四、sql功能
pandas中有一些方法能實現像sql一樣的功能，如groupby方法可以實現sql中的分組功能，merge方法可以實現sql中的表連線功能，具體見示例**。
五、透視表
所謂透視表，就是使用pivot()方法或pivot_table()方法從原本的**中抽取三列內容並將其轉換為另乙個**，以便更直觀、更方便地去觀察和分析這三列資料，具體效果看了示例就明白了。
六、時間處理
pandas中有一套自己的時間字串處理方法，而且使用起來也很方便，如pd.timestamp()可以將字串轉換為時間戳，pd.timedelta()可以進行時間的加減運算，pd.to_datetime()可以將字串轉換為日期。如果遇到了時間格式字串，建議優先考慮pandas自帶的時間處理方式。
python第三方庫pandas庫常用操作命令大全
網上的有個別不對 實際敲了一下 有補充了點常用的 環境ide anaconda python3.7 在這個速查手冊中，我們使用如下縮寫 df 任意的pandas dataframe物件 s 任意的pandas series物件 同時我們需要做如下的引入 import pandas as pd imp...
PyThon第三方庫
本文 自 戀花蝶的部落格 今天公司停電，沒上班。跑上來更新個部落格，跟大家分享一下我常用的幾個第三方 python 庫。python 語言之所以能夠如此流行，除了本身內建許多程式庫來保障快速開發之外，目不睱接的第三方庫也是一大主因。結合我目前的工作 網遊開發 我常用的幾個第三方庫如下 wxpytho...
python 第三方庫
requests 模組 具體詳見 requests 是用python語言編寫的第三方庫，基於 urllib，採用 apache2 licensed 開源協議的 http 庫。它比 urllib 更加方便，完全滿足 http 測試需求，多用於介面測試 常用介面 1.requests.request m...