# Pandas 简介
## 学习目标
- 大致了解*pandas*库的`DataFrame`和`Series`数据结构
- 存取和处理`DataFrame`和`Series`中的数据
- 将`CSV`数据导入`pandas`库的`DataFrame`
- 对`DataFrame`重建索引来随机打乱数据
[*pandas*](http://pandas.pydata.org) 是一种存列数据分析`API`。它是用于处理和分析输入数据的强大工具，很多机器学习框架都支持将*pandas*数据结构作为输入。本文只介绍它的核心概念。有关更完整的参考，请访问 [*pandas*文档网站](http://pandas.pydata.org/pandas-docs/stable/index.html)。
## 基本概念
导入*pandas* API 并输出相应的 API 版本：
```python
from __future__ import print_function
import pandas as pd
pd.__version__
```
```python
u'0.22.2'
```
*pandas*中主要的数据被实现为以下两类：
- **DataFrame**，可以想象成一个`Excel`表，包含多个行和已命名的列。
- **Series**，它是单一列。DataFrame 中包含一个或多个 Series，每个 Series
均有一个名称。
数据框架是用于 数据操控的一种常用抽象实现形式。 [Spark](https://spark.apache.org)和 [R](https://www.r-project.org/about.html)中也有类似的实现。
创建 Series 的一种方法时构建 Series 对象。例如：
```python
pd.Series(['San Francisco', 'San Jose', 'Sacramento'])
```
DataFrame 和字典很像，Series 对应字典的 **键-值对**，Series 的名称为**键**，数据为**值**。例如像下面这样创建 DataFrame 对象：
```python
city_names = pd.Series(['San Francisco', 'San Jose', 'Sacramento'])
population = pd.Series([852469, 1015785, 485199])
pd.DataFrame({'City name': city_names, 'Population': population})
```
但在大多数情况下，是将整个文件加载到 DataFrame 中。
```python
data = pd.read_csv('path or url', *args, **kwargs)
```
## 访问数据
前面提到，DataFrame 和字典很像，还体现在访问数据的方式上。
```python
cities['City name'] ## 返回名称为 City name 的 Series
cities[0:2] ## 返回所有 Series 的前两个值构建的 DataFrame
```
此外，*pandas*针对高级 [索引和选择](http://pandas.pydata.org/pandas-docs/stable/indexing.html)提供了机器丰富的 API。
## 操控数据
可以向 Series 应用 Python 的基本运算指令。例如：
```python
population / 1000.
```
[Numpy](http://www.numpy.org)是一种用于进行科学计算的常用工具包。*pandas
Series* 可用作大多数 Numpy 函数的参数：
```python
import numpy as np
np.log(population)
```
对于更复杂的单列转换，可以使用 Series.apply。像 Python [映射函数](https://docs.python.org/2/library/functions.html#map)一样，Series.apply 将以参数形式接受 [lambda函数](https://docs.python.org/2/tutorial/controlflow.html#lambda-expressions)，而该函数会应用于每个值。
下面的示例创建了一个指明 population 是否超过 100 万的新 Series：
```python
population.apply(lambda val: val > 1000000)
0 False
1 True
2 False
dtype: bool
```
DataFrame 的修改方式也非常简单。例如，以下代码向现有 DataFrame 添加了两个 Series：
```python
cities['Area square miles'] = pd.Series([46.87, 176.53, 97.92])
cities['Population density'] = cities['Population'] / cities['Area square miles']
cities
```
---
> 作者: 泛福轩
> URL: http://hugo.spiedeman.top/posts/python/pandas-guide/