机器学习之pandas介绍

pandas简介

　　pandas全称python Data Analysis Library,是基于numpy的一种工具，pandas纳入了大量库和一些标准的数据模型，提供了高效的操作大型数据集所需的工具。

　　pandas最初由AQR Captal Management于2008年4月开发，并于2009年地开源出来，最初被作为金融数据分析工具而开发出来，因此，pandas为时间序列分析提供了很好的支持。

　　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，它是使python成为强大而高效的数据分析环境的重要因素之一。pandas库是统计科学家在分析数据时的理想工具，非常适合应用于数据清洗，分析/建模。

适用数据集

　　pandas适合处理多种类型的数据：①具有不同数据类型序列的表格数据，如SQL表或Excel电子表格；②有序或无序（不固定频率）的时间序列数据；③带有行和列标签的任意矩阵数据；④任何其他形式的观测/统计数据集。

pandas的优势

　　①可以轻易的处理浮点及非浮点数据类型的缺失值（NaN）；

　　②大小可变：DAtaFrame和Panel都可以删除或插入列；

　　③数据自动对齐；灵活强大的分组功能，可对数据集进行拆分组合操作

　　④将其他的python和numpy数据结构中不同类索引的数据转换为DataFrame对象

　　⑤基于智能标签的切片，花式索引，轻易从大数据集中取出子集；

　　⑥直观的合并，连接数据集；

　　⑦轻易的重新定义数据集形状和转置；

　　⑧轴（axes）的分层标签（是每个元组有多个标签成为可能），然后将分析结果组织成适合于绘图或表格显示的形式的全部过程。

pandas的数据结构

　　①Series  一维

　　②DataFrame 二维

　　③Panel  三维

pandas的调库

import pandas as pd

pd.Series()      #创建一个空系列

pd.DataFrame()  #创建一个空的数据帧