Pandas 是 Python 的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观地处理关系型、标记型数据。Pandas 的目标是成为 Python 数据分析实践与实战的必备高级工具，其长远目标是成为最强大、最灵活、能够支持任何语言的开源数据分析工具。通过多年不懈的努力，Pandas 离这个目标已经愈来愈近了。数组
下面对pandas经常使用的功能进行一个可视化的介绍，但愿能让你们更容易理解和学习pandas。微信
一、Series序列数据结构
二、从ndarray建立一个系列app
若是数据是ndarray，则传递的索引必须具备相同的长度。若是没有传递索引值，那么默认的索引将是范围(n)，其中n是数组长度，即[0,1,2,3…. range(len(array))-1] - 1]。函数
三、从字典建立一个系列工具
四、序列数据的访问学习
经过各类方式访问Series数据，系列中的数据可使用相似于访问numpy中的ndarray中的数据来访问。spa
五、序列的聚合统计.net
Series有不少的聚会函数，能够方便的统计最大值、求和、平均值等
六、DataFrame(数据帧)
DataFrame是带有标签的二维数据结构，列的类型可能不一样。你能够把它想象成一个电子表格或SQL表，或者 Series 对象的字典。它通常是最经常使用的pandas对象。
七、从列表建立DataFrame
从列表中很方便的建立一个DataFrame，默认行列索引从0开始。
八、从字典建立DataFrame
从字典建立DataFrame，自动按照字典进行列索引，行索引从0开始。
九、列选择
在刚学Pandas时，行选择和列选择很是容易混淆，在这里进行一下整理经常使用的列选择。
十、行选择
整理多种行选择的方法，总有一种适合你的。
十一、返回指定行列
pandas的DataFrame很是方便的提取数据框内的数据。
十二、条件查询
对各种数值型、文本型，单条件和多条件进行行选择
1三、聚合
能够按行、列进行聚合，也能够用pandas内置的describe对数据进行操做简单而又全面的数据聚合分析。
1四、聚合函数
data.function(axis=0) 按列计算
data.function(axis=1) 按行计算
1五、分类汇总
能够按照指定的多列进行指定的多个运算进行汇总。
1六、透视表
透视表是pandas的一个强大的操做，大量的参数彻底能知足你个性化的需求。
1七、处理缺失值
pandas对缺失值有多种处理办法，知足各种需求。
1八、查找替换
pandas提供简单的查找替换功能，若是要复杂的查找替换，可使用map(), apply()和applymap()
1九、数据合并
两个DataFrame的合并，pandas会自动按照索引对齐，能够指定两个DataFrame的对齐方式，如内链接外链接等，也能够指定对齐的索引列。
20、更改列名（columns index）
更改列名我认为pandas并非很方便，但我也没有想到一个好的方案。
2一、apply函数
这是pandas的一个强大的函数，能够针对每个记录进行单值运算而不须要像其余语言同样循环处理。
整理这个pandas可视化资料不易，
若是你以为本文对其余人有帮助，
请分享给你的朋友，感谢感谢。
以清净心看世界；
用欢喜心过生活。
超哥的杂货铺，你值得拥有~
长按二维码关注咱们
推荐阅读：
本文分享自微信公众号 - 超哥的杂货铺（gh_a624b94bfdab）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。