本項目從Pandas基礎、數據分析方法、數據處理類型及動手實踐四個模塊，對Pandas進行系統性學習。同時，針對內容設計了大量的練習及案例，理論結合實踐，鞏固數據處理分析能力。
開源初衷
在使用Pandas之前，幾乎所有的大型表格處理問題都是用xlrd/xlwt和python循環實現，雖然這已經幾乎能完成一切的需求，但其缺點也顯而易見，其一就是速度問題，其二就是代碼的複用性幾乎為0。
曾經也嘗試過去零星地學Pandas，但不得不說這個包實在太過龐大，每次使用總覺得盲人摸象，每個函數的參數也很多，學習的路線並不是十分平緩。如果你剛剛手上使用Pandas，那麼在碎片的學習過程中，報錯是常常發生的事，並且很難修（因為不理解內部的操作），即使修好了下次又不會，令人有些沮喪。
2019年秋季，筆者偶然接觸到了Theodore Petrou所著的《Pandas Cookbook》。快速地學習了一遍後，發現之前很多搞不清的概念得到了較好的解答。
之後，筆者又逐步地對著官方的User Guide一字一句查看，通讀後建立了大的一些宏觀概念。這是一個非常重要的臺階，官方的教程總是會告訴你重點在哪裡。
經過了一段時間的思考，結合《Python for Data Analysis》(作者：Pandas之父)、《Pandas Cookbook》和官方的User Guide，按照自己的思路編寫了一套關於Pandas的教程，完整梳理Pandas的主線內容。
本著杜絕淺嘗輒止的理念，本教程涉及了每個部分的核心概念和函數。最後，希望達到“所寫所得即所想”的境界，這大概需要更多的實踐，也是筆者努力實現的目標方向。
關於項目的名字，筆者在原先使用Pandas時非常的痛苦（Painful），那現在是時候轉變為“Joyful-Pandas”了！
開源內容
Joyful-Pandas共有11個章節，分成了4個模塊，涵蓋了Pandas基礎內容，數據處理過程中常用的數據類型，及在處理過程中涉及到的操作。具體目錄詳情如下：
模塊1 Pandas基礎（第1章）
拿到數據後必然先要讀取，分析完了數據必然是要保存；讀取數據之後，我們面對了怎樣的對象（Series? or Dataframe?）是第一重要的課題，因此瞭解序列和數據框的常規操作及其組件（component）便是必須涉及的內容。
模塊2 數據分析方法（第2-5章）
對於一個Series或DataFrame而言，Pandas存在以下四種操作：
- 索引：如果一個操作使得它的元素信息減少了，那就對應了索引；
- 分組：數據被分組，從組內提取了關鍵的信息，使得數據信息被充分地使用；
- 變形：數據呈現結構或形態上的變化，使得我們更容易地能夠地進一步處理數據；
- 合併：如果一個操作使得原本不屬於這個數據框的信息被加入了進來，那往往是涉及到了合併操作。
筆者從數據信息增減的角度出發，將四類操作拆解成了3個板塊，分別對應了本項目第2-5章的內容，串聯了官方文檔關於數據框操作的全部內容，幫助學習者系統梳理。
模塊3 數據處理類型（第6-9章）
對序列和數據框這兩種容器，Pandas基礎對其的結構有了初步理解，而四種操作熟悉了所有相關操作，那麼下面就要關心其中的數據類型。
其中涉及來四類特殊的數據類型：
- 缺失型數據
- 文本型數據
- 分類型數據
- 時間序列型數據
四種數據類型，分別對應了6-9章的內容。同時，在缺失型數據和文本型數據中，詳細涉及Pandas1.0版本新的Nullable和string數據類型，這也是從Pandas 0.x升級後具有最大改動的方面。
模塊4 動手實踐（第10章）
最終，教程1-9章的最後都會加入兩個練習題幫助讀者鞏固本章所學，每一道題都有多個小問，難度逐個上升，與知識點緊密結合。同時在第10章中會添加若干難度不一的綜合問題，目前已添加兩個經典案例，供大家學習實踐。
最後，所有的練習都提供了參考答案，保證了完備性。
寫到最後
除了教程主體和練習內容，每一章還加入了問題部分。每個章節設置3-8個問題，問題的內容包含了對知識點的細化認識、對複雜知識點的梳理、對某個函數或Pandas對象設計的思考等，如果在完成練習的基礎上認真思考了這些問題，那麼相信你對Pandas的掌握程度一定會再上一層樓，最後衷心的希望你能快樂的學習Pandas，體驗用Pandas進行數據處理和分析的樂趣。
開源地址
https://github.com/datawhalechina/joyful-pandas
閱讀更多 洛鴻0920 的文章
