pandas简介

转自pandas中文网
以下是 pandas 做够胜任的一些事情：

• 在浮点和非浮点数据中轻松处理缺失数据（表示为NaN）。

• 大小可变性：可以从DataFrame和更高维度的对象中插入和删除。

• 自动和显式数据对齐：对象可以明确地与一组标签对齐，或者用户可以简单地忽略标签，让Series，DataFrame等在计算中自动对齐数据

• 强大，灵活的**组（group by）**功能，可对数据集执行拆分应用组合操作，用于聚合和转换数据。

• 轻松将其他Python和NumPy数据结构中的不规则，不同索引数据转换为DataFrame对象。

• 基于智能标签的切片，花式索引和子集大数据集。

• 直观合并和加入数据集。

• 灵活的重塑和数据集的旋转。

• 轴的分层标记（每个刻度可能有多个标签）。

• 强大的IO工具，用于从平面文件（CSV和分隔）、Excel文件、数据库以及能从超快的HDF5格式中保存或加载数据。

• 特定时间序列功能：日期范围生成和频率转换、移动窗口统计、移动窗口线性回归、日期转换和滞后等。

对于数据科学家来说，处理数据通常分为多个阶段：整理和清理数据，分析/建模数据，然后将分析结果组织成适合绘图或表格显示的形式。Pandas 是完成所有这些任务的理想工具。
** 数据结构**
pandas数据结构的最佳方式是作为低维数据的灵活容器。

数据的可变性和拷贝
所有的pandas数据结构都是值可变的（它们包含的值可以改变），但并不总是大小可变的。
Series的长度不能更改，但例如，列可以插入到DataFrame中。然而，绝大多数方法产生新的对象并保持输入数据不变。 一般来说，我们喜欢在合情合理的情况下支持不变性