pandas

项目概述

pandas 是 Python 数据分析领域的基础工具库，提供快速、灵活、富有表现力的数据结构——一维的 Series 和二维的 DataFrame，让处理带标签的关系型数据变得简单直观。它天生面向真实世界的数据分析：缺失值处理、数据对齐、分组聚合、时间序列运算等日常操作开箱即用，配合 CSV、Excel、数据库、HDF5 等丰富的读写接口，构成从数据导入到分析的完整工作流。

Python 数据分析的事实标准，DataFrame 的代名词。

主要功能

• 缺失数据处理：浮点与非浮点数据中的 NaN、NA、NaT 缺失值都有统一易用的处理方式
• 结构可变：DataFrame 的列可以随时插入与删除
• 自动与显式对齐：计算时数据按标签自动对齐，也可显式指定对齐规则
• 分组聚合：强大的 group by 支持 split-apply-combine，聚合与变换都能完成
• 智能切片与索引：基于标签的切片、花式索引与大数据集子集筛选
• 合并与连接：直观的 merge 与 join 操作拼接数据集
• 重塑与透视：灵活的数据重排与透视表生成
• 多层索引：轴支持层级标签，可表达高维数据
• 丰富 I/O：读写 CSV、Excel、数据库、超快的 HDF5 格式等
• 时间序列：日期范围生成、频率转换、移动窗口统计、日期平移与滞后

适用人群

• 数据分析师与数据科学家
• 需要处理表格数据的工程师
• 金融与统计分析人员
• 机器学习前置的数据清洗工作

快速上手

1. 安装：pip install pandas 或 conda install -c conda-forge pandas
2. 读入数据并开始分析：

import pandas as pd

df = pd.read_csv('data.csv')
print(df.describe())
print(df.groupby('category')['sales'].sum())

3. 常用操作：df.head() 预览、df.dropna() 清洗、df.merge() 合并、df.pivot_table() 透视

核心优势

• 生态核心：NumPy、matplotlib、scikit-learn 等科学计算栈围绕其构建，互操作无缝
• 表达力强：一行代码完成过滤、聚合、透视等复杂操作
• I/O 全面：从 CSV 到 Parquet 到 SQL 数据库，数据进出通道齐全

系统要求

注意事项

• 内存模式：DataFrame 整体驻留内存，超出内存的大数据集需配合分块处理或改用支持外存的引擎
• 版本变更：大版本升级可能带有 API 调整，升级前查阅官方 whatsnew 文档