pandas概述

Posted 2020-12-14 watalo

Pandas 概述

Pandas是python中运用很广泛的统计分析库，用于各种金融、工业、等等统计分析，适用于各种时间序列和面板数据等。而对应于Pandas库，最主要的两个类分别是Series和DataFrame。Pandas是numpy的一种扩展，因此很多高级的数据计算方法也是来源numpy。

长远目标

成为最强大、最灵活、可以支持任何语言的开源数据分析工具。

适用的数据类型

• 与 SQL 或 Excel 表类似的，含异构列的表格数据;

• 有序和无序（非固定频率）的时间序列数据;

• 带行列标签的矩阵数据，包括同构或异构型数据;

• 任意其它形式的观测、统计数据集, 数据转入 Pandas 数据结构时不必事先标记。

Pandas 的主要数据结构是 Series（一维数据）与 DataFrame（二维数据），这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。对于 R 用户，DataFrame 提供了比 R 语言 data.frame 更丰富的功能。Pandas 基于 NumPy 开发，可以与其它第三方科学计算支持库完美集成。

优势

• 处理浮点与非浮点数据里的缺失数据，表示为 NaN；

• 大小可变：插入或删除 DataFrame 等多维对象的列；

• 自动、显式数据对齐：显式地将对象与一组标签对齐，也可以忽略标签，在 Series、DataFrame 计算时自动与数据对齐；

• 强大、灵活的分组（group by）功能：拆分-应用-组合数据集，聚合、转换数据；

• 把 Python 和 NumPy 数据结构里不规则、不同索引的数据轻松地转换为 DataFrame 对象；

• 基于智能标签，对大型数据集进行切片、花式索引、子集分解等操作；

• 直观地合并（merge）、连接（join）数据集；

• 灵活地重塑（reshape）、透视（pivot）数据集；

• 轴支持结构化标签：一个刻度支持多个标签；

• 成熟的 IO 工具：读取文本文件（CSV 等支持分隔符的文件）、Excel 文件、数据库等来源的数据，利用超快的 HDF5 格式保存 / 加载数据；

• 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。

其它说明

• Pandas 速度很快。Pandas 的很多底层算法都用 Cython 优化过。然而，为了保持通用性，必然要牺牲一些性能，如果专注某一功能，完全可以开发出比 Pandas 更快的专用工具。

• 官方文档：https://pandas.pydata.org/docs/

数据结构

维数	名称	描述
1	Series	带标签的一维同构数组
2	DataFrame	带标签的，大小可变的，二维异构表格