pandas入门（一）：pandas的安装和创建

pandas 对于数据分析的人员来说都是必须熟悉的第三方库，pandas 在科学计算上有很大的优势，特别是对于数据分析人员来说，相当的重要。python中有了Numpy ，但是Numpy 还是比较数学化，还需要有一种库能够更加具体的代表数据模型，我们都非常的清楚在数据处理中EXCEL 扮演着非常重要的作用，表格的模式是数据模型最好的一种展现形式。

pandas 是对表格数据模型在python上的模拟，它有简单的像SQL 对数据的处理，能够方便的在python上实现。

pandas 的安装

pandas 在python上的安装同样的使用pip进行：

pip install pandas

pandas 创建对象

pandas 有两种数据结构：Series 和 DataFrame 。

Series

Series 像python中的数据list 一样，每个数据都有自己的索引。从list创建 Series。

>>> import pandas as pd

>>> s1 = pd.Series([100,23,'bugingcode'])

>>> s1

0           100

1            23

2    bugingcode

dtype: object

>>>

在Series 中添加相应的索引：

>>> import numpy as np

>>> ts = pd.Series(np.random.randn(365), index=np.arange(1,366))

>>> ts

在index中设置索引值是一个从1到366的值。

Series 的数据结构最像的是python中的字典，从字典中创建Series：

sd = {'xiaoming':14,'tom':15,'john':13}

s4 = pd.Series(sd)

这时候可以看到Series 已经是自带索引index。

pandas 本身跟 python的另外一个第三方库Matplotlib 有很多的连接，Matplotlib 一个最经常用到的是用来展示数据的，如果还对Matplotlib 不了解的话，后面的章节会进行介绍，现在先拿过来直接用下，如果还没有安装的话，一样的用pip命令安装 pip install Matplotlib ， 展示如下数据：

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

ts = pd.Series(np.random.randn(365), index=np.arange(1,366))

ts.plot()

plt.show()

一个不规则的图形，在数据分析中，时间是一个重要的特性，因为很多数据都是跟时间是有关系的，销售额跟时间有关系，天气跟时间有关系。。。，在pandas 中也提供了关于时间的一些函数，使用date_range 生成一系列时间。

>>> pd.date_range('01/01/2017',periods=365)

DatetimeIndex(['2017-01-01', '2017-01-02', '2017-01-03', '2017-01-04',

               '2017-01-05', '2017-01-06', '2017-01-07', '2017-01-08',

               '2017-01-09', '2017-01-10',

               ...

               '2017-12-22', '2017-12-23', '2017-12-24', '2017-12-25',

               '2017-12-26', '2017-12-27', '2017-12-28', '2017-12-29',

               '2017-12-30', '2017-12-31'],

              dtype='datetime64[ns]', length=365, freq='D')

>>>

之前我们的图形不规则，有一个原因是数据不是连续的，使用cumsum让数据连续：

如下：

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

ts = pd.Series(np.random.randn(365), index=pd.date_range('01/01/2017',periods=365))

ts = ts.cumsum()

ts.plot()

plt.show()

DataFrame

DataFrame 相当于Series 一维的一个扩展，是一种二维的数据模型，相当于EXcel表格中的数据，有横竖两种坐标，横轴很Series 一样使用index，竖轴用columns 来确定，在建立DataFrame 对象的时候，需要确定三个元素：数据，横轴，竖轴。

df = pd.DataFrame(np.random.randn(8,6), index=pd.date_range('01/01/2018',periods=8),columns=list('ABCDEF'))

print df

数据如下：

                   A         B         C         D         E         F

2018-01-01  0.712636  0.546680 -0.847866 -0.629005  2.152686  0.563907

2018-01-02 -1.292799  1.122098  0.743293  0.656412  0.989738  2.468200

2018-01-03  1.762894  0.783614 -0.301468  0.289608 -0.780844  0.873074

2018-01-04 -0.818066  1.629542 -0.595451  0.910141  0.160980  0.306660

2018-01-05  2.008658  0.456592 -0.839597  1.615013  0.718422 -0.564584

2018-01-06  0.480893  0.724015 -1.076434 -0.253731  0.337147 -0.028212

2018-01-07 -0.672501  0.739550 -1.316094  1.118234 -1.456680 -0.601890

2018-01-08 -1.028436 -1.036542 -0.459044  1.321962 -0.198338 -1.034822

在数据分析的过程中，很常见的一种情况是数据直接从excel 或者cvs 过来，可以excel中读取数据到DataFrame ，数据在 DataFrame 中进行处理：

df = pd.read_excel('data.xlsx',sheet_name= 'Sheet1')

print df

同样的有保存数据到excel 中 to_excel。

处理cvs数据的函数是：read_cvs 和 to_cvs ，处理HDF5的函数为 read_hdf 和 to_hdf 。

访问DataFrame 可以跟二位数组一样的访问方式：

print df['A']

带出横轴标签：

2018-01-01    0.712636

2018-01-02   -1.292799

2018-01-03    1.762894

2018-01-04   -0.818066

2018-01-05    2.008658

2018-01-06    0.480893

2018-01-07   -0.672501

2018-01-08   -1.028436

同样的可以指定某一个元素：

print df['A']['2018-01-01']

对数组进行切片出来，认清横轴和纵轴：

>>> import pandas as pd

>>> df = pd.read_excel('data.xlsx',sheet_name= 'Sheet1')

>>> df[:][0:3]

                   A         B         C         D         E         F

2018-01-01  0.712636  0.546680 -0.847866 -0.629005  2.152686  0.563907

2018-01-02 -1.292799  1.122098  0.743293  0.656412  0.989738  2.468200

2018-01-03  1.762894  0.783614 -0.301468  0.289608 -0.780844  0.873074

>>>

DataFrame 涉及的较多的函数，接下来会有更多的介绍。

更多教程：大家来编程