我們已經一起學習Python25堂課了，我通過學習已經可以用Python解決日常工作中許許多多平時需要一直重複性的工作。比如：自動分揀處理數據，自動生成每日生產報表等等。我10年沒有編程了，但是今年的疫情呆在家裡，看到了Python，我很快就喜歡上了它，並且很快能用它來幫我解決很多問題。如果你平時工作中需要經常做一些重複性的工作，特別是excel的文件操作，你一定要跟我們一起來開始快樂的Python學習之旅。
我們之前學習了一些Python的基礎知識，並且主要通過Python解決了Excel表格的關聯數據處理，也初步學習瞭解了numpy這個第三方庫的基礎知識。學習了這些基礎後，我們從今天開始，要來接觸在Python江湖無人不知無人不曉的大神級別的第三方庫：pandas->這隻可愛的功夫熊貓！
如果你之前沒有接觸過pandas，你可能不知道它是什麼？如果你仔細和我們一起來學習差不多10堂課，我敢打包票，你一定會馬上喜歡上它，因為它就像我們的國寶熊貓，不僅可愛，而且功夫了得！來吧，一起來了解一下這隻熊貓。
一、什麼是pandas？Pandas是一個開源的，BSD許可的庫，為Python編程語言提供高性能，易於使用的數據結構和數據分析工具。這個是pandas網站的標準描述。順便說一下，pandas有專門的網站www.pandas.org，如果你想深入瞭解可以到網站上面詳細瀏覽。
二、pandas究竟能做什麼？前面我們初步介紹了numpy，它是專業的數據處理工具。pandas居於numpy，但是又強於numpy，其實也不能說強於，應該說比numpy更加靈活，更加貼近工作和生活，pandas就像魔法師手中的許願棒，你想要什麼好東西，和pandas說一下基本就能實現。普通辦公室白領可能用它來分析公司的業務發展趨勢，騰訊阿里等大公司可能用它來分析網站的數據，證券銀行等公司可以用它來分析金融形勢。。。
三、pandas的數據結構：上面說了一大通，可能你還是一臉懵逼！哈哈，很正常，要熟練掌握pandas並且應用到你的工作中，我保守估計至少要10堂課，和我們一起學習10堂課你可能就能初步把pandas編程你手中的魔法棒。今天就算是第一課吧，我們來初步瞭解pandas的基本屬性。我們還是結合jupyter來進行演示。
1、pandas的安裝：由於pandas不是Python的原生庫，使用之前需要安裝。安裝其實也非常簡單，一般這樣子安裝就可以啦。
A、用pip安裝：pip install pandas
B、用conda安裝：conda install pandas
如果你安裝不成功，百度一下，有很多詳細的介紹文章，我們這裡不做詳細介紹，有不懂的可以私信交流。
2、pandas的一維數組：Series，這個是pandas兩大數據結構之一：
很簡單的，我們就創建了一個Series，可以看出，s1打印出來有幾個元素：
A、左邊的0、1、2、3、4:這個是pandas自動生成的索引；
B、右邊的12、14、16、18、20:這個是我們輸入的列表後生成的Series
C、下面的dtype：int64:這個是Series元素的數據類型。
pandas的Series的標準表達式為：s = pd.Series(data, index=index)，這裡的data可以是多種數據，我們下面再舉3個例子來進一步瞭解Series。
(1)、data是一個字典：這裡的data指的是上面的pd.Series(data, index=index)裡面的data，我們用一個字典來舉例說明：
可以看出，Series同樣可以通過索引取出對應的值，這個和字典的操作其實一樣。
（2）、data是一個數組：我們用numpy生成一個數組，傳入pandas生成一個Series，如下：
這一次我們加了index，然後用索引也取出了對應的value，這裡我們的索引我們故意打亂，請大家特別注意！
（3）、data是一個標量值：比如是一個常數8。
當data是標量值的時候，index是必不可少的！因為產生多少個標量值是由index決定的，就像本例，產生了4個8，主要是索引有4個。
3、pandas的二維數組：其實pandas的核心就是這個，在pandas中，專門稱之為DataFrame，你如果對DataFrame比較陌生，那麼我告訴你一個概念，你很快就能理解DataFrame了，就像下圖：
上圖是不是非常熟悉？對了，就是我們大家非常熟悉，天天在用的Excel格式。這個格式就是pandas的DataFrame。這裡需要強調一下，當你在pd後面輸入的時候，D和F必須是大寫，當然如果你用的是pycharm，它會自動提示，但是如果使用其他沒有自動提示的編輯器，初學者可能就會犯錯，導致一直找不到是什麼原因導致了錯誤提示！
我們下面來生成一個DataFrame：
data是一個字典，字典的value是一個Serie，生成DataFrame後你需要了解3個主要的知識點：
A、index：這個是行索引，在本例中是a、b、c、d
B、columns:這個是列索引，在本例中是one、two。需要注意，和Series不同，DataFrame有兩個索引，一個行索引，一個列索引。
C、數據：就是我們圖中顯示的4行2列的數據。但是大家需要注意的是，第4行第1列的數據為NaN，這個是pandas對沒有數據的規定表達方法。NaN其實就是沒有數據的意思。在本例中，由於第一個Series只有3個索引，所以系統自動在第四個位置補上NaN。
注意：我們為了幫助大家理解，用類似電子表格的概念來幫大家理解。如果要用Python的概念來理解的話，上面的NaN所在位置其實為第3行第0列。
DataFrame幾個需要掌握的幾種操作：
1、取某一行或者幾行的數據：
這裡我們用到loc這個功能，它是專門用來操作DataFrame的，後面的學習中我們會詳細講述，這裡先略過。
取一列或者幾列的數據：這裡loc裡面帶的參數有兩個，如果只取一列，那麼逗號後面只跟一個列名，如果取多列，那麼就把列名放在同一個列表裡面：
刪除某一行、某一列：pandas裡面用了drop這個功能。
這裡有一個關鍵的知識點：刪除行的時候，需要加axis=0，刪除列的時候，需要加axis=1。這個大家只需要記住就行，也很好記，0代表行，1代表列。當然我們上面的操作其實沒有影響到df，如果要影響到，還需要增加一個參數inplace，如果要立即生效，就這樣操作：d f.drop('one',axis=1,inplace=True)。
好了，今天對pandas我們只做一個初步的認識，下節課我們再結合一些具體的例子來深入瞭解。如果你也喜歡Python，喜歡AI時代下面的編程 ，想在自己的職場取得更好的成績，想自己的人生擁有更多的時間和財富，你可以關注我的頭條號，我們一起學習，一起探討。我也是新人，我也不斷在學習，這是我的學習筆記，我要至少學習100堂這樣子的課程。如果你願意，我們一起來努力吧！
分享到:
閱讀更多 A米愛Python編程 的文章
