聊聊 Pandas 的前世今生

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。

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

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。

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。

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。

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。

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。