极客教程Pandas 教程，Pandas 是一个专门用于数据分析的开源Python库。目前，所有使用python语言研究和分析数据集的专业人士，在做相关统计分析和决策时，Pandas 都是他们的基础工具。
历史起源
2008年，Wes McKinny一人挑起了Pandas库的设计和开发工作。
2012 年，他的同事Sien Chang加入开发，他两一起开发了Python社区最为有用的库之一 – Pandas
数据分析工作需要一个专门的库，它能够用最简单的方式提供数据处理、数据抽取和数据操作所需要的全部工具，开发Pandas正是为了满足这个需求。
Wes MicKinny选择以Numpy库作为Python库Pandas的基础进行设计，可以说，该选择对于Pandas的成功和它的迅速扩展起着非常重要的作用。事实上，选择Numpy为基础，不仅使Pandas能和其他大多数模块相兼容，而且还能借力Numpy模块在计算方面性能高的优势。
另外一个意义深远的决定是为数据分析专门设计了两种数据结构。实际情况是，Pandas 没有使用Pandas已有的内置数据结构，也没有使用其他库的数据结构，而是开发了两种新型的数据结构。这两种数据结构的设计初衷是用于关系型或带标签的数据。用它们管理与SQL关系数据库和Excel工作表具有类似特征的数据很方便。
学习本教程需要了解的知识
文章目录
本教程介绍Pandas基础知识，包含Panda安装、主要的数据结构: Series, DataFrame, Panel，函数应用、统计方法、索引、字符串、文本数据等等，文章主要目录和简介如下:
- Pandas 简介，Pandas是一个开放源码的Python库，它使用强大的数据结构提供高性能的数据操作。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
- Pandas 环境配置，标准的Python发行版并没有将Pandas模块捆绑在一起发布。安装Pandas模块的一个比较简单的方式是采用Python包安装程序pip来进行安装。
- Pandas 数据结构，Pandas包含以下三个数据结构：系列(Series)，数据帧(DataFrame)，面板(Panel)。
- Pandas Series是pandas中的一维数据结构，类似于python中的列表和Numpy中的Ndarray对象。
- Pandas DataFrame，Pandas 数据帧(DataFrame)是二维数据结构，它包含一组有序的列，每列可以是不同的数据类型，DataFrame既有行索引，也有列索引，它可以看作是Series组成的字典，不过这些Series共用一个索引。
- Pandas 描述性统计，有很多方法用来计算DataFrame的描述性统计信息和其他相关操作。 其中大多数是sum()，mean()等聚合函数，但其中一些，如sumsum()，产生一个相同大小的对象。 一般来说，这些方法采用轴参数，就像ndarray.{sum，std，…}，但轴可以通过名称或整数来指定。
- Pandas 函数应用，要将自定义或其他库的函数应用于Pandas对象，有三个重要的方法，下面来讨论如何使用这些方法。使用适当的方法取决于函数是否期望在整个DataFrame行或列或元素上进行操作。
- Pandas 排序，本章介绍几种Pandas常用的排序方式，它们分别是：按标签排序（行排序和列排序），按值排序。
- Pandas字符串和文本数据，在本章中，我们将使用基本系列，索引来讨论字符串操作。在随后的章节中，将学习如何将这些字符串函数应用于数据帧(DataFrame)。
- Pandas 选项和自定义，Pandas 有五个相关函数实现自定义操作，分别是 get_option、set_option、reset_option、describe_option、option_context。
- Pandas 索引和选择数据，Python和NumPy索引运算符”[]”和属性运算符”.”可以快速轻松地访问Pandas数据结构。由于要访问的数据类型不是预先知道的，直接使用标准运算符具有一些限制。