別找了，這是 Pandas 最詳細教程了

（給視學算法加星標，提升Python技能）

Python 是開源的，它很棒，但是也無法避免開源的一些固有問題：很多包都在做（或者在嘗試做）同樣的事情。如果你是 Python 新手，那麼你很難知道某個特定任務的最佳包是哪個，你需要有經驗的人告訴你。有一個用於數據科學的包絕對是必需的，它就是 pandas。 pandas 最有趣的地方在於裡面隱藏了很多包。它是一個核心包，裡面有很多其他包的功能。這點很棒，因為你只需要使用 pandas 就可以完成工作。pandas 相當於 python 中 excel：它使用表（也就是 dataframe)，能在數據上做各種變換，但還有其他很多功能。如果你早已熟知 python 的使用，可以直接跳到第三段。讓我們開始吧：

import pandas as pd

別問為什麼是「pd」而不是「p」，就是這樣。用就行了:)pandas 最基本的功能讀取數據

data = pd.read_csv( my_file.csv )
data = pd.read_csv( my_file.csv , sep= ; , encoding= latin-1 , nrows=1000, skiprows=[2,5])

sep 代表的是分隔符。如果你在使用法語數據，excel 中 csv 分隔符是「;」，因此你需要顯式地指定它。編碼設置為 latin-1 來讀取法語字符。nrows=1000 表示讀取前 1000 行數據。skiprows=[2,5] 表示你在讀取文件的時候會移除第 2 行和第 5 行。

• 最常用的功能：read_csv, read_excel

• 其他一些很棒的功能：read_clipboard, read_sql

寫數據

data.to_csv( my_new_file.csv , index=None)

index=None 表示將會以數據本來的樣子寫入。如果沒有寫 index=None，你會多出一個第一列，內容是 1，2，3，...，一直到最後一行。我通常不會去使用其他的函數，像.to_excel, .to_json, .to_pickle 等等，因為.to_csv 就能很好地完成工作，並且 csv 是最常用的表格保存方式。 檢查數據

Gives (#rows, #columns)

給出行數和列數

data.describe()

計算基本的統計數據查看數據

data.head(3)

打印出數據的前 3 行。與之類似，.tail() 對應的是數據的最後一行。

data.loc[8]

打印出第八行

data.loc[8,  column_1 ]

打印第八行名為「column_1」的列

data.loc[range(4,6)]

第四到第六行（左閉右開）的數據子集
pandas 的基本函數邏輯運算

data[data[ column_1 ]== french ]
data[(data[ column_1 ]== french ) & (data[ year_born ]==1990)]
data[(data[ column_1 ]== french ) & (data[ year_born ]==1990) & ~(data[ city ]== London )]

通過邏輯運算來取數據子集。要使用 & (AND)、 ~ (NOT) 和 | (OR)，必須在邏輯運算前後加上「and」。

data[data[ column_1 ].isin([ french ,  english ])]

除了可以在同一列使用多個 OR，你還可以使用.isin() 函數。
基本繪圖matplotlib 包使得這項功能成為可能。正如我們在介紹中所說，它可以直接在 pandas 中使用。

data[ column_numerical ].plot()

（）.plot() 輸出的示例

data[ column_numerical ].hist()

畫出數據分佈（直方圖）.hist() 輸出的示例

%matplotlib inline

如果你在使用 Jupyter，不要忘記在畫圖之前加上以上代碼。
更新數據

data.loc[8,  column_1 ] =  english
將第八行名為 column_1 的列替換為「english」 

data.loc[data[ column_1 ]== french ,  column_1 ] =  French

在一行代碼中改變多列的值好了，現在你可以做一些在 excel 中可以輕鬆訪問的事情了。下面讓我們深入研究 excel 中無法實現的一些令人驚奇的操作吧。中級函數統計出現的次數

data[ column_1 ].value_counts()

.value_counts() 函數輸出示例

在所有的行、列或者全數據上進行操作

data[ column_1 ].map(len)

len() 函數被應用在了「column_1」列中的每一個元素上
.map() 運算給一列中的每一個元素應用一個函數

data[ column_1 ].map(len).map(lambda x: x100).plot()

pandas 的一個很好的功能就是鏈式方法（https://tomaugspurger.github.io/method-chaining）。它可以幫助你在一行中更加簡單、高效地執行多個操作（.map() 和.plot()）。

data.apply(sum)

.apply() 會給一個列應用一個函數。.applymap() 會給表 (DataFrame) 中的所有單元應用一個函數。tqdm, 唯一的在處理大規模數據集時，pandas 會花費一些時間來進行.map()、.apply()、.applymap() 等操作。tqdm 是一個可以用來幫助預測這些操作的執行何時完成的包（是的，我說謊了，我之前說我們只會使用到 pandas）。

from tqdm import tqdm_notebook
tqdm_notebook().pandas()

用 pandas 設置 tqdm

data[ column_1 ].progress_map(lambda x: x.count( e ))

用 .progress_map() 代替.map()、.apply() 和.applymap() 也是類似的。在 Jupyter 中使用 tqdm 和 pandas 得到的進度條相關性和散射矩陣

data.corr()
data.corr().applymap(lambda x: int(x*100)100)

.corr() 會給出相關性矩陣

pd.plotting.scatter_matrix(data, figsize=(12,8))

散點矩陣的例子。它在同一幅圖中畫出了兩列的所有組合。pandas 中的高級操作
The SQL 關聯在 pandas 中實現關聯是非常非常簡單的

data.merge(other_data, on=[ column_1 ,  column_2 ,  column_3 ])

關聯三列只需要一行代碼分組

一開始並不是那麼簡單，你首先需要掌握語法，然後你會發現你一直在使用這個功能。

data.groupby( column_1 )[ column_2 ].apply(sum).reset_index()

按一個列分組，選擇另一個列來執行一個函數。.reset_index() 會將數據重構成一個表。正如前面解釋過的，為了優化代碼，在一行中將你的函數連接起來。行迭代

dictionary = {}

for i,row in data.iterrows():
 dictionary[row[ column_1 ]] = row[ column_2 ] 

.iterrows() 使用兩個變量一起循環：行索引和行的數據 (上面的 i 和 row)總而言之，pandas 是 python 成為出色的編程語言的原因之一我本可以展示更多有趣的 pandas 功能，但是已經寫出來的這些足以讓人理解為何數據科學家離不開 pandas。總結一下，pandas 有以下優點：

• 易用，將所有複雜、抽象的計算都隱藏在背後了；

• 直觀；

• 快速，即使不是最快的也是非常快的。

它有助於數據科學家快速讀取和理解數據，提高其工作效率原文鏈接：https://towardsdatascience.com/be-a-more-efficient-data-scientist-today-master-pandas-with-this-guide-ea362d27386