官网快速入门：https://www.pypandas.cn/docs/getting_started/

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。

数据结构

  • 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。
  • Panel ：三维的数组，可以理解为DataFrame的容器。
  • Panel4D：是像Panel一样的4维数据容器。
  • PanelND：拥有factory集合，可以创建像Panel4D一样N维命名容器的模块。

Pandas处理以下三个数据结构

  • 系列(Series)
  • 数据帧(DataFrame)
  • 面板(Panel)

这些数据结构构建在Numpy数组之上，这意味着它们很快。

维数和描述

考虑这些数据结构的最好方法是，较高维数据结构是其较低维数据结构的容器。 例如，DataFrame是Series的容器，Panel是DataFrame的容器。

数据结构 维数 描述
系列 1 1D标记均匀数组，大小不变。
数据帧 2 一般2D标记，大小可变的表结构与潜在的异质类型的列。
面板 3 一般3D标记，大小可变数组。

构建和处理两个或更多个维数组是一项繁琐的任务，用户在编写函数时要考虑数据集的方向。 但是使用Pandas数据结构，减少了用户的思考。

例如，使用表格数据(DataFrame)，在语义上更有用于考虑索引(行)和列，而不是轴0和轴1。

可变性**
所有Pandas数据结构是值可变的(可以更改)，除了系列都是大小可变的。系列是大小不变的。

注 - DataFrame被广泛使用，是最重要的数据结构之一。面板使用少得多。

系列

系列是具有均匀数据的一维数组结构。例如，以下系列是整数：10,23,56，...的集合。
Panadas使用 - 图1
关键点

  • 均匀数据
  • 尺寸大小不变
  • 数据的值可变

    数据帧

    数据帧(DataFrame)是一个具有异构数据的二维数组。 例如，
姓名 年龄 性别 等级
Maxsu 25 男 4.45
Katie 34 女 2.78
Vina 46 女 3.9
Lia 女 x女 4.6

上表表示具有整体绩效评级组织的销售团队的数据。数据以行和列表示。每列表示一个属性，每行代表一个人。

列的数据类型**

上面数据帧中四列的数据类型如下：

列 类型
姓名 字符串
年龄 整数
性别 字符串
等级 浮点型

关键点

  • 异构数据
  • 大小可变

  • 数据可变

    面板

    面板是具有异构数据的三维数据结构。在图形表示中很难表示面板。但是一个面板可以说明为DataFrame的容器。
    关键点

  • 异构数据

  • 大小可变
  • 数据可变