最后一次更新日期： 2019/3/21
pandas是基于numpy的數據分析庫，提供一些更易用的數據模型和大量高效的統計方法。
使用前先導入模塊：
import pandas as pd
按需導入以下模塊:
import numpy as np
import matplotlib.pyplot as plt
1. 索引Index
numpy中只有位置索引，而pandas還增加了標簽索引，依賴于一個專用的Index類型。
常規索引
In [64]: pd.Index([1,2,3])
Out[64]: Int64Index([1, 2, 3], dtype='int64')
In [65]: pd.Index([1.,2.,3.])
Out[65]: Float64Index([1.0, 2.0, 3.0], dtype='float64')
In [66]: pd.Index(['a','b','c'])
Out[66]: Index(['a', 'b', 'c'], dtype='object')
In [67]: pd.Index(range(10))
Out[67]: RangeIndex(start=0, stop=10, step=1)
In [68]: pd.Index(range(10)).values
Out[68]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=int64)
In [80]: import datetime as dt
...: dt1=dt.datetime.now()
...: dt2=dt1+dt.timedelta(days=1)
In [81]: pd.Index([dt1,dt2])
Out[81]: DatetimeIndex(['2019-03-09 20:56:14.644159', '2019-03-10 20:56:14.644159'], dtype='datetime64[ns]', freq=None)
Index在創建時會根據傳入數據(一維序列)自動生成具體的索引類型，也可通過dtype參數指定類型，但無法正常轉換時會報錯；copy參數指定創建索引時是否復制源數據，默認false。
具體的索引類型也可通過各自的方法創建。
Index.values可以查看作為數據基礎的一維數組，Index.dtype可以查看數據類型。
多級索引
pandas提供了多級索引以便于分組數據，可用于構造高維數據集，groupby計算也會自動產生多級索引。
In [5]: midx=pd.MultiIndex(levels=[['a','b'],['c','d']],labels=[[1,1,0,0],[0,1,0,1]],name=['idx1','idx2'])
In [6]: midx
Out[6]:
MultiIndex(levels=[['a', 'b'], ['c', 'd']],
labels=[[1, 1, 0, 0], [0, 1, 0, 1]],
names=['idx1', 'idx2'])
In [9]: midx.set_labels([1,0,1,0],level=1)
Out[9]:
MultiIndex(levels=[['a', 'b'], ['c', 'd']],
labels=[[1, 1, 0, 0], [1, 0, 1, 0]],
names=['idx1', 'idx2'])
In [11]: midx.swaplevel(0,1)
Out[11]:
MultiIndex(levels=[['c', 'd'], ['a', 'b']],
labels=[[0, 1, 0, 1], [1, 1, 0, 0]],
names=['idx2', 'idx1'])
In [12]: pd.MultiIndex.from_arrays([['a','a','b','b'],['c','d','c','d']],names=['idx1','idx2'])
Out[12]:
MultiIndex(levels=[['a', 'b'], ['c', 'd']],
labels=[[0, 0, 1, 1], [0, 1, 0, 1]],
names=['idx1', 'idx2'])
MultiIndex的第一個參數levels是每個級別的唯一標簽列表，是一個兩層嵌套的序列，外層對應級別，內層對應唯一標簽；
第二個參數labels是所有記錄在每個級別上選取的標簽序號，也是一個兩層嵌套的序列，外層對應級別，內層對應記錄，新版本中已被codes參數取代；
第四個參數names是每個級別的名稱。
MultiIndex提供了一些輔助方法，set_levels、set_labels、set_names可以設置整體或是某一級別的索引屬性，通過level參數指定級別，默認設置整體；
swaplevel可以交換級別，droplevel可以刪除級別，sortlevel可以對指定級別排序；
from_array、from_tuples、from_product、from_frame方法可從其他結構的數據中創建索引。
2. 數據序列Series
In [99]: s=pd.Series([1,2,3,4],name='s1')
In [100]: s
Out[100]:
0 1
1 2
2 3
3 4
Name: s1, dtype: int64
In [101]: pd.Series([[1,2],[3,4]],index=['row1','row2'])
Out[101]:
row1 [1, 2]
row2 [3, 4]
dtype: object
In [102]: s.dtype
Out[102]: dtype('int64')
In [103]: s.name
Out[103]: 's1'
In [104]: s.values
Out[104]: array([1, 2, 3, 4], dtype=int64)
In [105]: s.index
Out[105]: RangeIndex(start=0, stop=4, step=1)
In [106]: s.shape
Out[106]: (4,)
核心數據模型其一，由序列名name、標簽索引index、值數組(一維)values組成。用于存放一維數據，只有一個軸方向：0，shape屬性可以查看數據集的形狀。
創建時只能接收一維序列數據(list,tuple,ndarray)，超過一維的將后面的維度看作元素的維度，會根據傳入的數據自動判斷類型，也可通過dtype參數顯示指定。
默認情況下會生成范圍索引，可通過index參數指定一個一維序列作為索引，也可在創建后直接為index屬性賦值。
3. 數據框DataFrame
In [107]: df=pd.DataFrame([[1,'a'],[2,'b']],columns=['col1','col2'])
In [108]: df
Out[108]:
col1 col2
0 1 a
1 2 b
In [113]: df.dtypes
Out[113]:
col1 int64
col2 object
dtype: object
In [114]: df.index
Out[114]: Int64Index([1, 2], dtype='int64', name='col1')
In [116]: df.columns
Out[116]: Index(['col1', 'col2'], dtype='object')
In [117]: df.values
Out[117]:
array([[1, 'a'],
[2, 'b']], dtype=object)
In [125]: df.col2
Out[125]:
col1
1 a
2 b
Name: col2, dtype: object
In [126]: pd.DataFrame({'col1':[1,3],'col2':['a','b']})
Out[126]:
col1 col2
0 1 a
1 3 b
In [127]: df.shape
Out[127]: (2, 2)
核心數據模型其二，也就是數據表，由列標簽索引columns、行標簽索引index、值數組(二維)values組成。用于存放二維數據，有兩個軸方向：0和1，對應行坐標和列坐標，shape屬性可以查看數據集的形狀。列數據的訪問可以通過與列名相同的屬性名訪問，僅在定義了字符串列名時可用，一個單列即是一個Series。
創建時只能接收二維序列數據(list,tuple,ndarray)，超過二維的將后面的維度看作元素的維度，會根據傳入的數據自動判斷類型，也可通過dtype參數顯示指定，與numpy不太一樣的是，DataFrame的列可以定義不同的數據類型，通過創建時的自動判斷，或是篩選出列后轉換類型，DataFrame.dtypes屬性可查看所有列的數據類型。相比numpy，pandas的DataFrame創建還增加了對dict數據源的支持，key對應列名，value對應列數據。
默認情況下會生成范圍索引，可通過index參數指定一個一維序列作為索引，也可在創建后直接為index屬性賦值，DataFrame.set_index方法可以返回替換了索引的數據框副本而不影響原數據。
DataFrame相當于Series的堆疊，沿DataFrame的行或列方向進行寬度為1的切片，得到的就是一個Series。
原本pandas還提供了三維的數據模型Panel，但新版中已經廢棄，可嘗試使用多級索引MultiIndex來構造更高維度的數據集。
4. 分類數據Categorical
pandas提供了分類數據類型用于約束此類數據，該類型會限制分類標簽的取值，并可為分類標簽提供排序依據。
In[14]: pd.Categorical(['a','b','b','c'],categories=['a','b'],ordered=True)
Out[14]:
[a, b, b, NaN]
Categories (2, object): [a < b]
In[15]: pd.Categorical(['a','b','b','c'])
Out[15]:
[a, b, b, c]
Categories (3, object): [a, b, c]
第一個參數values為所有分類標簽的序列；
第二個參數categories為唯一分類標簽的序列，當指定該參數后，values中不屬于categories的標簽會被替換為NaN，不指定時會根據values自動生成；
第三個參數ordered聲明唯一分類標簽是否指示排序方式，為True時會按categories中的順序對標簽標定大小關系，默認False。
