使用 Python 和 JavaScript 进行数据可视化，第二版

第 8 章 大熊猫简介 熊猫介绍

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

pandas 是我们dataviz 工具链中的一个关键元素，因为我们将用它来清理和探索最近的数据集（见第 6 章）。上一章介绍了作为 pandas 基础的 Python 数组处理库 NumPy。在继续应用 pandas 之前，本章将介绍其关键概念，并展示它如何与现有数据文件和数据库表交互。其余的 pandas 学习将在接下来的几章中进行。

为什么说 pandas 是为 Dataviz 量身定制的？

无论是基于网络还是印刷品的任何数据可视化，其可视化数据都有可能曾经以行列形式存储在 Excel 等电子表格、CSV 文件或 HDF5 中。 pandas 的核心数据类型 DataFrame 就是为处理行列式数据表而量身定做的，它可以被看作是一种非常快速、程序化的电子表格。

为什么要开发熊猫

Pandas 由 Wes Kinney 于 2008 年首次披露，它的建立是为了解决一个特殊的问题--即虽然 Python 在处理数据方面非常出色，但在数据分析和建模方面却很薄弱，当然，与 R 等大公司相比更是如此。

pandas 设计用于处理行列式电子表格中的异质数据。¹但又巧妙地利用了数学家、物理学家、计算机图形学家等所使用的NumPy同质数值数组的一些速度。 结合 Jupyter 笔记本和 Matplotlib 绘图库（以及 seaborn 等辅助库），pandas 是一流的交互式数据分析工具。由于它是 NumPy 生态系统的一部分，它的数据建模很容易通过 SciPy、statsmodels 和 scikit-learn 等库来增强。

对数据和测量进行分类

我将在下一节介绍 pandas 的核心概念，重点是 DataFrame 以及如何通过常见的数据存储、CSV 文件和 SQL 数据库将数据输入和输出。 不过，首先让我们转移一下注意力，考虑一下我们所说的异构数据集到底是什么意思，pandas 就是为了处理这些数据集而设计的，而且这些数据集也是数据可视化工具的主流。

，也许是用于说明文章或现代网络仪表盘的条形图或折线图，呈现的是现实世界中的测量结果，如商品价格随时间的变化、一年中降雨量的变化、各民族的投票意向等等。这些测量结果大致可分为两类：数值型和分类型。数值可分为区间尺度和比率尺度，而分类数值又可分为名义测量和顺序测量。这样，数据可视化工具就有了四大类观察数据。

让我们以一组推文为例，引出这些测量类别。每条推文都有不同的数据字段：

{
  "text": "#Python and #JavaScript sitting in a tree...", 
  "id": 2103303030333004303, 
  "favorited": true, 
  "filter_level":"medium", 
  "created_at": "Wed Mar 23 14:07:43 +0000 2015", 
  "retweet_count" ...