Pandas 是 Python 的核心數據分析支持庫，提供了快速、靈活、明確的數據結構，旨在簡單、直觀地處理關係型、標記型數據。Pandas 的目標是成爲 Python 數據分析實踐與實戰的必備高級工具，其長遠目標是成爲最強大、最靈活、能夠支持任何語言的開源數據分析工具。通過多年不懈的努力，Pandas 離這個目標已經愈來愈近了。數組
下面對pandas經常使用的功能進行一個可視化的介紹，但願能讓你們更容易理解和學習pandas。微信
一、Series序列數據結構
二、從ndarray建立一個系列app
若是數據是ndarray，則傳遞的索引必須具備相同的長度。若是沒有傳遞索引值，那麼默認的索引將是範圍(n)，其中n是數組長度，即[0,1,2,3…. range(len(array))-1] - 1]。函數
三、從字典建立一個系列工具
四、序列數據的訪問學習
經過各類方式訪問Series數據，系列中的數據可使用相似於訪問numpy中的ndarray中的數據來訪問。spa
五、序列的聚合統計.net
Series有不少的聚會函數，能夠方便的統計最大值、求和、平均值等
六、DataFrame(數據幀)
DataFrame是帶有標籤的二維數據結構，列的類型可能不一樣。你能夠把它想象成一個電子表格或SQL表，或者 Series 對象的字典。它通常是最經常使用的pandas對象。
七、從列表建立DataFrame
從列表中很方便的建立一個DataFrame，默認行列索引從0開始。
八、從字典建立DataFrame
從字典建立DataFrame，自動按照字典進行列索引，行索引從0開始。
九、列選擇
在剛學Pandas時，行選擇和列選擇很是容易混淆，在這裏進行一下整理經常使用的列選擇。
十、行選擇
整理多種行選擇的方法，總有一種適合你的。
十一、返回指定行列
pandas的DataFrame很是方便的提取數據框內的數據。
十二、條件查詢
對各種數值型、文本型，單條件和多條件進行行選擇
1三、聚合
能夠按行、列進行聚合，也能夠用pandas內置的describe對數據進行操做簡單而又全面的數據聚合分析。
1四、聚合函數
data.function(axis=0) 按列計算
data.function(axis=1) 按行計算
1五、分類彙總
能夠按照指定的多列進行指定的多個運算進行彙總。
1六、透視表
透視表是pandas的一個強大的操做，大量的參數徹底能知足你個性化的需求。
1七、處理缺失值
pandas對缺失值有多種處理辦法，知足各種需求。
1八、查找替換
pandas提供簡單的查找替換功能，若是要複雜的查找替換，可使用map(), apply()和applymap()
1九、數據合併
兩個DataFrame的合併，pandas會自動按照索引對齊，能夠指定兩個DataFrame的對齊方式，如內鏈接外鏈接等，也能夠指定對齊的索引列。
20、更改列名（columns index）
更改列名我認爲pandas並非很方便，但我也沒有想到一個好的方案。
2一、apply函數
這是pandas的一個強大的函數，能夠針對每個記錄進行單值運算而不須要像其餘語言同樣循環處理。
整理這個pandas可視化資料不易，
若是你以爲本文對其餘人有幫助，
請分享給你的朋友，感謝感謝。
以清淨心看世界；
用歡喜心過生活。
超哥的雜貨鋪，你值得擁有~
長按二維碼關注咱們
推薦閱讀：
本文分享自微信公衆號 - 超哥的雜貨鋪（gh_a624b94bfdab）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。