1、介紹
Pandas是一個開源的，BSD許可的庫（基於numpy），爲Python編程語言提供高性能，易於使用的數據結構和數據分析工具。python
官方中文文檔：https://www.pypandas.cn/docs/linux
本次演示使用數據來自github：https://github.com/jakevdp/PythonDataScienceHandbook/tree/master/notebooks/datagit
2、快速入門
1.導入github
2.重點數據結構編程
主要是series和dataframe數組
因此通常狀況下咱們導入的是數據分析的三劍客：數據結構
numpy Series DataFrame:（若是隻導入pd，那就正常使用pd.Series便可了）編程語言
from pandas import Series,DataFrame
3、Series
Series是Pandas中的一維數據結構，相似於Python中的列表和Numpy中的Ndarray，不一樣之處在於：Series是一維的，能存儲不一樣類型的數據，有一組索引與元素對應。也就是加了索引的一維數據結構（索引不必定是0 1 2 3的數字）函數
1.建立工具
1）經過列表或者numpy數組進行建立，默認索引是0 1 2 3這樣的整數索引。示例如上圖
想要指定索引，能夠設置index參數：（建立的時候指定也是能夠的）
特別地，使用ndarray建立的series是引用，對series的改變會影響ndarray
2）由字典建立
Series主要分爲index、values兩塊
2.索引和切片
1).使用index做爲索引值（不推薦）
2）使用升級爲Series以後的loc()函數（推薦）
3）使用隱式索引（不顯式指定索引的內容值，經過相似ndarray的索引風格取數據）
4）切片，能夠直接[]或者loc形式
3.Series基本概念
1)經常使用屬性：index、values、shape（一維的，因此只能是一個元素的元組）、size
2)能夠經過head()、tail()等查看頭部和尾部數據（相似linux的命令），只看前5個或者後5個
3)索引沒有對應的值時，值會出現NaN，也就是數據缺失的狀況，在np中使用np.nan表示這個空值，python中就是None表示了
4)可使用 isnull()、notnull()來檢測空值：
能夠經過notnull()等進行空數據過濾：
s2 = s.notnull() # 如下取出的即是爲True的非空數據 s[s2]
5)每一個Series都有一個name屬性，能夠在DataFrame中進行區分，在df中，也就至關於列名
6)Series運算
能夠正常的進行加減運算，其中None值不會參與計算，而ndarray值爲None時爲報錯，爲np.nan時計算結果爲nan
或者經過s1.add(10,fill_value= 0)等形式來控制NaN的默認值
兩個Series之間也能夠運算，不對齊的部分（也就是索引不相等的部分），補充NaN
要保留index不對齊的部分，可使用add()方法：，經過fill_value