Python数据分析

第4章　pandas入门

pandas是一个流行的开源Python项目，其名称取panel data（面板数据，一个计量经济学的术语）与Python data analysis（Python数据分析）之意。本章将向读者介绍pandas的基本功能，其中包括pandas的数据结构与运算。

提示：

pandas的官方文档强调，pandas项目名称中的字母应该全部采用小写形式，同时还约定导入这个程序库时使用的语句为import pandas as pd。编程时，我们可以尽可能地遵循这些惯例。

在本章中，我们首先安装并概要介绍pandas，然后开始探索pandas的两个最重要的数据结构：DataFrame和Series。最后，我们将学习如何对存放在这些数据结构中的数据进行类似SQL这样的运算，并举例说明包括时间序列例程在内的统计学工具。本章涉及的主题如下所示。

• 　pandas的安装与概览。
• 　数据结构：DataFrame与Series。
• 　利用pandas查询数据。
• 　利用pandas的DataFrames进行统计计算。
• 　利用pandas的DataFrames聚合数据。
• 　DataFrames的串联（concatenating）、连接（joining）与附加（appending）操作。
• 　处理缺失数据问题。
• 　处理日期数据。
• 　数据透视表（pivot tables）。
• 　访问远程数据。

4.1　pandas的安装与概览

对于pandas来说，最小的依赖项集合如下所示。

• NumPy：这是一个处理数值数组的基础软件包，我们已经在前面的章节介绍过其安装方法和简单用法。
• python-dateutil：这是一个专门用来处理日期数据的程序库。
• pytz：这是一个处理时区问题的程序库。