聊聊 Pandas 的前世今生
以下文章来源于python大数据分析 ，作者朱卫军
Python大数据分析
分享python编程、可视化设计、大数据分析、机器学习等技术以及数据分析案例，包括但不限于Pandas、numpy、spark、matplotlib、sklearn、tensorflow、keras、tableau等
本文将从Python生态、Pandas历史背景、Pandas核心语法、Pandas学习资源四个方面去聊一聊Pandas，期望能带给大家一点启发。
一、Python生态里的Pandas
五月份TIOBE编程语言排行榜，Python追上Java又回到第二的位置。Python如此受欢迎一方面得益于它崇尚简洁的编程哲学，另一方面是因为强大的第三方库生态。
要说杀手级的库，很难排出个先后顺序，因为python的明星库非常多，在各个领域都算得上出类拔萃。
比如web框架-Django、深度学习框架-TensorFlow、自然语言处理框架-NLTK、图像处理库-PIL、爬虫库-requests、图形界面框架-PyQt、可视化库-Matplotlib、科学计算库-numpy、数据分析库-Pandas……
上面大部分库我都用过，用的最多也最顺手的是Pandas，可以说这是一个生态上最完整、功能上最强大、体验上最便捷的数据分析库，称为编程界的Excel也不为过。
Pandas在Python数据科学链条中起着关键作用，处理数据十分方便，且连接Python与其它核心库。
二、十项全能的Pandas
Pandas诞生于2008年，它的开发者是Wes McKinney，一个量化金融分析工程师。
因为疲于应付繁杂的财务数据，Wes McKinney便自学Python，并开发了Pandas。
大神就是这么任性，没有，就创造。
为什么叫作Pandas，其实这是“Python data analysis”的简写，同时也衍生自计量经济学术语“panel data”（面板数据）。
所以说Pandas的诞生是为了分析金融财务数据，当然现在它已经应用在各个领域了。
❝
2008: Pandas正式开发并发布
2009:Pandas成为开源项目
2012: 《利用Python进行数据分析》出版
2015: Pandas 成为 NumFOCUS 赞助的项目
❞
Pandas能做什么呢？
它可以帮助你任意探索数据，对数据进行读取、导入、导出、连接、合并、分组、插入、拆分、透视、索引、切分、转换等，以及可视化展示、复杂统计、数据库交互、web爬取等。
同时Pandas还可以使用复杂的自定义函数处理数据，并与numpy、matplotlib、sklearn、pyspark、sklearn等众多科学计算库交互。
Pandas有一个伟大的目标，即成为任何语言中可用的最强大、最灵活的开源数据分析工具。
让我们期待下。
三、Pandas核心语法
1. 数据类型
Pandas的基本数据类型是dataframe和series两种，也就是行和列的形式，dataframe是多行多列，series是单列多行。
如果在jupyter notebook里面使用pandas，那么数据展示的形式像excel表一样，有行字段和列字段，还有值。
2. 读取数据
pandas支持读取和输出多种数据类型，包括但不限于csv、txt、xlsx、json、html、sql、parquet、sas、spss、stata、hdf5
读取一般通过read_*函数实现，输出通过to_*函数实现。
image
image
3. 选择数据子集
导入数据后，一般要对数据进行清洗，我们会选择部分数据使用，也就是子集。
在pandas中选择数据子集非常简单，通过筛选行和列字段的值实现。
具体实现如下：
4. 数据可视化
不要以为pandas只是个数据处理工具，它还可以帮助你做可视化图表，而且能高度集成matplotlib。
你可以用pandas的plot方法绘制散点图、柱状图、折线图等各种主流图表。
5. 创建新列
有时需要通过函数转化旧列创建一个新的字段列，pandas也能轻而易举的实现
image
6. 分组计算
在sql中会用到group by这个方法，用来对某个或多个列进行分组，计算其他列的统计值。
pandas也有这样的功能，而且和sql的用法类似。
image
7. 数据合并
数据处理中经常会遇到将多个表合并成一个表的情况，很多人会打开多个excel表，然后手动复制粘贴，这样就很低效。
pandas提供了merge、join、concat等方法用来合并或连接多张表。
小结
pandas还有数以千计的强大函数，能实现各种骚操作。
python也还有数不胜数的宝藏库，等着大家去探索
三、Pandas学习资源
如果说学习Pandas最好的教程是什么，那毫无疑问是官方文档，从小白到高手，它都给你安排的妥妥的，这个后面详细介绍。
下面我会从入门、进阶、练习四个三面给你们推荐相应的教程和资源。
1. 入门教程
十分钟入门Pandas（英文版）[1]
这是Pandas官网专门为新手写的入门引导，大概就几千字，包括对Pandas的简要介绍，和一些基本的功能函数。
主要的内容有：数据的创建、查看、筛选、拼接、连接、分组、变形、可视化等等。
而且这个小册子包含了很多代码示例，如果你能完整过一遍，入门Pandas基本没啥问题。
中文版似乎也有，但翻译的准确性大家自己识别斟酌下。
十分钟入门 Pandas | Pandas 中文[2]
利用Pandas进行数据分析[3]
这本书不用了说了，可能是你入门python数据分析的第一本书，它的作者是Pandas库的核心开发者，也就是说这本书相当于是Pandas的官方出版教程。
image
为什么它适合入门pandas，因为整本书的编排是从数据分析的角度切入的，由浅入深将pandas对数据的处理讲的很透彻。
当然这本书也存在知识点过于零碎，翻译不到位的问题，但整体来说是本好书。
w3schools pandas tutorial[4]
w3school的pandas文档， 逻辑比较清晰，也是从数据分析角度去讲pandas。
image
Learn Pandas Tutorials[5]
数据科学平台kaggle提供的pandas入门教程，共六大节涵盖了pandas数据处理各种方法。
image
joyful-pandas[6]
国内小伙伴写的Pandas笔记，挺详细的，大家可以去下载项目里的notebook，放到自己电脑里练习。
2. 进阶教程
pandas用户指南[7]
这是pandas官网的教程，非常详细，主要从数据处理的角度介绍相应的pandas函数，方便用户查阅。
如果你的英文还不错，也喜欢阅读技术文档，我是建议花时间把这份指南看一遍，配合练习。
我把整个pandas文档下载下来，发现足足有3000多页。
pandas api检索[8]
官网的pandas api集合，也就是pandas所有函数方法的使用规则，是字典式的教程，建议多查查。
pandas-cookbook[9]
这是一个开源文档，作者不光介绍了Pandas的基本语法，还给出了大量的数据案例，让你在分析数据的过程中熟悉pandas各种操作。
Python Data Science Handbook[10]
数据科学书册，不光有pandas，还有ipython、numpy、matplotlib、sklearn，这些都是深入学习pandas不可缺少的工具。
3. 练习资源
Pandas练习集[11]
github上一个练习项目，针对pandas每个功能都有对应的真实数据练习。
101个Pandas练习[12]
一位国外博主总结的100多个pandas练习题，非常全面。
datacamp[13]
数据科学教程网站，里面有大量pandas的练习题，还提供了详细的速查表。
小结
pandas的教程主要还是以英文为主，国内翻译的质量参差不齐，还是建议你在入门后多去看英文文档，这是第一手资料，也是最靠谱的。
共有 1 条讨论