Pandas 使用指南(上) 基本數據結構
http://blkstone.github.io/2015/11/21/pandas-tutorial-1/

一、Pandas介紹
終于寫到了作者最想介紹，同時也是Python在數據處理方面功能最為強大的擴展模塊了。在處理實際的金融數據時，一個條數據通常包含了多種類型的數據，例如，股票的代碼是字符串，收盤價是浮點型，而成交量是整型等。在C++中可以實現為一個給定結構體作為單元的容器，如向量（vector，C++中的特定數據結構）。在Python中，pandas包含了高級的數據結構Series和DataFrame，使得在Python中處理數據變得非常方便、快速和簡單。
pandas不同的版本之間存在一些不兼容性，為此，我們需要清楚使用的是哪一個版本的pandas。現在我們就查看一下量化實驗室的pandas版本：

import pandas as pd
pd.__version__
'0.14.1'

pandas主要的兩個數據結構是Series和DataFrame，隨后兩節將介紹如何由其他類型的數據結構得到這兩種數據結構，或者自行創建這兩種數據結構，我們先導入它們以及相關模塊：

import numpy as np
import numpy as np
import pandas as pd

二、Pandas數據結構：Series

從一般意義上來講，Series可以簡單地被認為是** 帶索引的一維數組(或一維表) **。Series和一維數組最主要的區別在于Series類型具有索引（index），可以和另一個編程中常見的數據結構哈希（Hash）聯系起來。

2.1 創建Series

創建一個Series的基本格式是s = Series(data, index=index, name=name)，以下給出幾個創建Series的例子。首先我們從數組創建Series：

a = np.random.randn(5)
print "a is an array:"
print a
s = Series(a)
print "s is a Series:"
print s

可以在創建Series時添加index，并可使用Series.index查看具體的index。需要注意的一點是，當從數組創建Series時，若指定index，那么index長度要和data的長度一致：

s = Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
print ss.index

創建Series的另一個可選項是name，可指定Series的名稱，可用Series.name訪問。在隨后的DataFrame中，每一列的列名在該列被單獨取出來時就成了Series的名稱：

s = Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'], name='my_series')
print s
print s.name

Series還可以從字典（dict）創建：

d = {'a': 0., 'b': 1, 'c': 2}
print "d is a dict:"
print d
s = Series(d)
print "s is a Series:"
print s

讓我們來看看使用字典創建Series時指定index的情形（index長度不必和字典相同）：

Series(d, index=['b', 'c', 'd', 'a'])

我們可以觀察到兩點：一是字典創建的Series，數據將按index的順序重新排列；二是index長度可以和字典長度不一致，如果多了的話，pandas將自動為多余的index分配NaN（not a number，pandas中數據缺失的標準記號)，當然index少的話就截取部分的字典內容。
如果數據就是一個單一的變量，如數字4，那么Series將重復這個變量：

Series(4., index=['a', 'b', 'c', 'd', 'e'])

2.2 Series數據的訪問

訪問Series數據可以和數組一樣使用下標，也可以像字典一樣使用索引，還可以使用一些條件過濾：

s = Series(np.random.randn(10),index=['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j'])
s[0]

使用切片技巧

s[:2]
s[[2,0,4]]
s[['e', 'i']]
s[s > 0.5]
'e' in s => True

三、Pandas數據結構：DataFrame

在使用DataFrame之前，我們說明一下DataFrame的特性。DataFrame是將數個Series按列合并而成的二維數據結構，每一列單獨取出來是一個Series，這和SQL數據庫中取出的數據是很類似的。所以，按列對一個DataFrame進行處理更為方便，用戶在編程時注意培養按列構建數據的思維。DataFrame的優勢在于可以方便地處理不同類型的列，因此，就不要考慮如何對一個全是浮點數的DataFrame求逆之類的問題了，處理這種問題還是把數據存成NumPy的matrix類型比較便利一些。

3.1 創建DataFrame

首先來看如何從字典創建DataFrame。DataFrame是一個二維的數據結構，是多個Series的集合體。我們先創建一個值是Series的字典，并轉換為DataFrame：

d = {'one': Series([1., 2., 3.], index=['a', 'b', 'c']), 'two': Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}
df = DataFrame(d)
print df

可以指定所需的行和列，若字典中不含有對應的元素，則置為NaN：

df = DataFrame(d, index=['r', 'd', 'a'], columns=['two', 'three'])
print df

可以使用dataframe.index和dataframe.columns來查看DataFrame的行和列，dataframe.values則以數組的形式返回DataFrame的元素：

print "DataFrame index:"
print df.index
print "DataFrame columns:"
print df.columns
print "DataFrame values:"
print df.values

DataFrame也可以從值是數組的字典創建，但是各個數組的長度需要相同：

d = {'one': [1., 2., 3., 4.], 'two': [4., 3., 2., 1.]}
df = DataFrame(d, index=['a', 'b', 'c', 'd'])print df

值非數組時，沒有這一限制，并且缺失值補成NaN：

d= [{'a': 1.6, 'b': 2}, {'a': 3, 'b': 6, 'c': 9}]
df = DataFrame(d)
print df

在實際處理數據時，有時需要創建一個空的DataFrame，可以這么做：

df = DataFrame()
print df

另一種創建DataFrame的方法十分有用，那就是使用concat函數基于Serie或者DataFrame創建一個DataFrame

a = Series(range(5))b = Series(np.linspace(4, 20, 5))df = pd.concat([a, b], axis=1)
print df

其中的axis=1表示按列進行合并，axis=0表示按行合并，并且，Series都處理成一列，所以這里如果選axis=0的話，將得到一個10×1的DataFrame。下面這個例子展示了如何按行合并DataFrame成一個大的DataFrame：

df = DataFrame()
index = ['alpha', 'beta', 'gamma', 'delta', 'eta']
for i in range(5): 
  a = DataFrame([np.linspace(i, 5*i, 5)], index=[index[i]]) 
print a df = pd.concat([df, a], axis=0)
print df

3.2 DataFrame數據的訪問

首先，再次強調一下DataFrame是以列作為操作的基礎的，全部操作都想象成先從DataFrame里取一列，再從這個Series取元素即可。可以用datafrae.column_name選取列，也可以使用dataframe[]操作選取列，我們可以馬上發現前一種方法只能選取一列，而后一種方法可以選擇多列。若DataFrame沒有列名，[]可以使用非負整數，也就是“下標”選取列；若有列名，則必須使用列名選取，另外datafrae.column_name在沒有列名的時候是無效的：

print df[1]
print type(df[1])
df.columns = ['a', 'b', 'c', 'd', 'e']
print df['b']
print type(df['b'])
print df.b
print type(df.b)
print df[['a', 'd']]
print type(df[['a', 'd']])

以上代碼使用了dataframe.columns為DataFrame賦列名，并且我們看到單獨取一列出來，其數據結構顯示的是Series，取兩列及兩列以上的結果仍然是DataFrame。訪問特定的元素可以如Series一樣使用下標或者是索引:

print df['b'][2]
print df['b']['gamma']

若需要選取行，可以使用dataframe.iloc按下標選取，或者使用dataframe.loc按索引選取：

print df.iloc[1]
print df.loc['beta']

選取行還可以使用切片的方式或者是布爾類型的向量：

print "Selecting by slices:"
print df[1:3]
bool_vec = [True, False, True, True, False]
print "Selecting by boolean vector:"
print df[bool_vec]

行列組合起來選取數據：

print df[['b', 'd']].iloc[[1, 3]]
print df.iloc[[1, 3]][['b', 'd']]
print df[['b', 'd']].loc[['beta', 'delta']]
print df.loc[['beta', 'delta']][['b', 'd']]

如果不是需要訪問特定行列，而只是某個特殊位置的元素的話，dataframe.at和dataframe.iat是最快的方式，它們分別用于使用索引和下標進行訪問：

print df.iat[2, 3]
print df.at['gamma', 'd']

dataframe.ix可以混合使用索引和下標進行訪問，唯一需要注意的地方是行列內部需要一致，不可以同時使用索引和標簽訪問行或者列，不然的話，將會得到意外的結果：

print df.ix['gamma', 4]
print df.ix[['delta', 'gamma'], [1, 4]]
print df.ix[[1, 2], ['b', 'e']]
print "Unwanted result:"
print df.ix[['beta', 2], ['b', 'e']]
print df.ix[[1, 2], ['b', 4]]

參考資料
[1] 量化分析師的Python日記【第5天：數據處理的瑞士軍刀pandas】
[2] pandas文檔