Pandas 简介

图片来源：Pandas 中文网

大家好，欢迎阅读这门 Pandas教程。

如果你是一个数据开发人员，我想你应该对 Pandas 并不陌生。如果你从没有听说过也没有关系，这节课我们将对 Pandas 做一个系统的介绍，看完这节课你应该对 Pandas 是什么，能用来做什么有一个大致的了解。

好了，话不多说，下面就让我们一起来走进 Pandas 的世界。

1. Pandas 是什么？

Pandas 是由 Wes McKinny 于 2008 年设计和开发，并于 2009 年底开源出来。最初的出现是为了弥补Python 在科学计算上的速度慢和资源消耗大的缺点，随着不断的发展，Pandas 库越来越成熟和稳定，已经成为了 Python 在科学计算中的重要模块之一，广泛的应用于数据分析、机器学习和深度学习等领域。随着大数据、人工智能领域发展的突飞猛进，Pandas 的出场频率越来越高，对于数据科学问题的处理越来越成熟、稳定和高效。

作为 Python 语言的一个第三方库，Pandas 在程序中可以很方便的进行引用。但是不得不说的是。Pandas 是在 Python 的另一个科学计算库 Numpy 的基础上进行开发的，因此 Pandas 采用了大量的 Numpy 编码风格。

但它在性能上要优于 Numpy，Numpy 比较适合处理统一的数值数组数据，而 Pandas 主要提供了两种数据结构：一维数组（Series）和二维数组（DataFrame），可以说是专门用来处理表格和混杂数据的工具。

Tips：想要学习 Numpy 库的同学可以阅读这一门慕课教程。

2. Pandas 的特点

Pandas 有很多的特点，它的创始人 Wes McKinney 在谈到 Pandas 时，总结了它的 9 个特性：

对表格类型数据的读取和输出速度非常快；
时间序列处理；
数据队列；
处理缺失数据；
分组运算；
分级索引；
数据的合并和加入；
数据透视表；
数据归纳和分析。

当然除了这九点，Pandas 还有很多其他的优点，比如丰富的操作函数等，后面的课程中我们也会一一将 Pandas 的这些优点展现给大家。

当我们最开始接触 Pandas 时，很明了的就能感觉它在数据处理速度上的优势，以及它对于缺失数据处理的便捷性，还有它自身含有的数据归纳和分析函数。

正是这简单的操作，快速的运算和自身带有的强大的函数等功能特性，使得需要数据处理分析的用户能很轻松的入手这个工具，并且带来的效果又是那么惊叹，正是这些让越来越多的需求选择了入手它，并在使用中深入的了解它，最终掌握它、赞叹它。

3. Pandas 的主要版本有哪些？教程使用什么版本？

Pandas 从 2009 年 12 月 26 日发布的 0.1 版本，发展到现在的 1.1.3 版本，中间各种版本经历了八十次左右的迭代，也正是它不断的发展、迭代才有了现在的成熟和稳定，Pandas 迭代中有很多重要的版本，这里我们要强调一下 Pandas 的几个版本：

V0.24.2：该版本修复了0.24.x系列中的一些小错误，包括一些回归修复，错误修复和性能改进；
V0.25.0：这是 0.24.2 之后的另一个主要版本，大量的 API 更改，功能的改进和大量错误的修复；
V1.0.0：该版本新增了 StringDtype 数据类型，新增了表格导出为markdown的格式等新的内容。

本教程采用的是 Pandas 的最新 1.1.3 版本，该版本支持较新的 Python 3.9 版本，修复了整数一元加减运算中引起的类型错误，修复了 DataFrame.sort_values() 操作时出现的 AttributeError 错误等等，可以到官网查看 Pandas 1.1.3 的新特性。如果学习中，要使用其他版本的 Pandas ，要注意对 Python 版本的支持，

4. Pandas 与其他同类型框架的对比

5.1 软件 SAS

对于商业软件 SAS 而言，虽然它拥有良好的 GUI 方便用户操作，但是购买价格比较昂贵，让很多个体用户望而止步。并且它的统计功能更新速度要不是很及时，而对比之下，Pandas 不仅开源免费，并且功能强大，成为了越来越多个体、科研机构、或者企业的不二之选。

5.2 R 库

R 库作为 SAS 的开源对应物，Pandas 库和 R 库在数据处理和分析方面都比较专业，Linux、Windows 均可使用，并且代码可移植性都比较好，两个库之间存在一定的互补性，但处理速度方面 Pandas 库要优于 R 库，Pandas 是 Python 的第三方库，在数据结构上也更为丰富。

5.3 SQL 工具

Pandas 库和 SQL 工具相比较，如果是处理存在数据库中的数据，SQL 相对而言要方便一些，但目前大数据发展性，数据的来源大多数是通过网络爬虫而来，通过Python爬虫程序，生成的数据文件一般是txt、csv 或者 Excel，这时候 SQL 就不太好用了，Pandas 的优势也就提现出来，它不论是数据的读取和导出都很方便，而且 SQL 中有的数据处理功能，都可以由 Pandas 来实现。

通过和其他数据处理分析工具的对比，从成本投入、操作复杂度、处理能力等多方面考虑来看，Pandas 成为当下最火的数据处理工具也是当之无愧的。

6. 为什么要学习 Pandas？可以给我带来什么好处？

目前来说，大数据产业已经发展成为了一种新型服务产业，已经逐渐的延伸到科学和商业等领域，随着大数据技术的发展和应用产品的不断迭代更新，大数据中所蕴含的价值被不断的开采出来，同时，大数据分析行业的人才需求量也越来越大，行业中给出的待遇水平也相对较高。

而 Python 语言中的 Pandas 库凭借着自身在大数据处理和分析中的简洁方便、稳定、高效等多方面的优势，在大数据领域中的位置越来越重要，也越来越被用户所认可，成为了大数据分析、人工智能等领域必不可少的选择。

学习 Pandas 有以下这些你无法拒绝的理由：

易于学习和使用；
社区资源多且丰富；
Pandas库成熟稳定；
Pandas库功能丰富；
提高数据分析生成力；
就业前景广；
薪资待遇高。

总之，不管你是一名上班族，还一名科学的研究者，Pandas 的学习对你来说都是很有价值的，在工作和办公中随时都会接触到大量的数据，对于数据的处理和分析成为了必不可少的工作内容之一，Pandas 能大大的提高工作的效率。通过接下来进一步的接触和学习，Pandas 在数据处理和分析上的亮点一定会让你赞叹！

7. 本门课程是如何设计的？

本课程主要是 Pandas入门基础知识，从简单到复杂，带领大家了解 Pandas 的数据结构，掌握 Pandas丰富的操作方法，进一步的认识 Pandas 的一些高级功能，按照 Pandas 库的数据结构和功能模块层层深入，一层一层的揭开 Pandas 的神秘面纱。

课程主要涉及 Pandas 开发环境的安装，Pandas 数据相关的操作，Pandas 的统计描述，以及 Pandas时间序列等知识点，针对每一块的知识，按照功能模块展开到每一小节，再具体到每一个操作方法上，会从概念描述、代码演示和注意事项等多个角度讲述知识点，使学生能轻松的学习 Pandas 库，熟练的掌握 Pandas 库的基础知识。

8. 学习这门课程需要有什么基础？

学习这么课程首先要有python语言编程基础；
有一定的 Numpy 库使用基础，会更加有利于 Pandas 库的学习和使用。

Tips：想要学习 Numpy 库的同学可以阅读这一门慕课教程。