首先要明确pandas是做什么的,在确定是如何做的,通过哪些方式去做的?
pandas是做什么的?
Python Data Analysis Library 或 pandas 是基于NumPy的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。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。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。简单总结就是处理大型数据的工具,我们生活中常用地数据处理软件是微软的Excel,当你学会pandas时候,你会发现pandas比Excel好用太多了。
如何做的或者是如何处理数据的?
简单的来说pandas只有两种数据类型,Series和DataFrame,Series你可以简单的理解为Excel中的行或者列,DataFrame可以理解为整个Excel表格,当然这只是形象的理解,实际上他们的功能要比Excel灵活的多。
Series:一维数组,与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近。Series如今能保存不同种数据类型,字符串、boolean值、数字等都能保存在Series中。
Time- Series:以时间为索引的Series。
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。以下的内容主要以DataFrame为主。
Panel :三维的数组,可以理解为DataFrame的容器。
详细介绍两种类型:
pandas.Series
classpandas.
Series
(data = None,index = None,dtype = None,name = None,copy = False,fastpath = False)
带轴标签的一维ndarray(包括时间序列)。
标签不一定是唯一的,但必须是可清洗的类型。该对象支持基于整数和基于标签的索引,并提供了许多方法来执行涉及索引的操作。来自ndarray的统计方法已被覆盖,以自动排除缺失的数据(目前表示为NaN)。
Series(+, - ,/ ,,*)之间的操作根据其关联的索引值对齐值 - 它们不必是相同的长度。结果索引将是两个索引的排序并集。
属性
方法
pandas.DataFrame
classpandas.
DataFrame
(data = None,index = None,columns = None,dtype = None,copy = False)
具有标记轴(行和列)的二维大小可变,可能异构的表格数据结构。算术运算在行标签和列标签上对齐。可以被认为是Series对象的类似dict的容器。主要的熊猫数据结构。