matplotlib & pandas

2026-04-05 11:57:37 +08:00 · 2020-09-26 22:03:11 +08:00
parent 73cc328c81
commit d31be4f219
599 changed files with 99925 additions and 0 deletions
--- a/Python/pandas/getting_started/10min.md
+++ b/Python/pandas/getting_started/10min.md
--- a/Python/pandas/getting_started/README.md
+++ b/Python/pandas/getting_started/README.md
@@ -0,0 +1,59 @@
+---
+meta:
+  - name: keywords
+    content: Pandas快速入门
+  - name: description
+    content: 这里是Pandas快速入门的中文文档目录结构。
+---
+
+# 快速入门
+
+- [Pandas概览](overview.html)
+  - [数据结构](overview.html#data-structures)
+  - [大小可变与数据复制](overview.html#mutability-and-copying-of-data)
+  - [获得支持](overview.html#getting-support)
+  - [社区](overview.html#community)
+  - [项目监管](overview.html#project-governance)
+  - [开发团队](overview.html#development-team)
+  - [机构合作伙伴](overview.html#institutional-partners)
+  - [许可协议](overview.html#license)
+- [十分钟入门Pandas](10min.html)
+  - [对象创建](10min.html#object-creation)
+  - [查看数据](10min.html#viewing-data)
+  - [选择](10min.html#selection)
+  - [缺失值](10min.html#missing-data)
+  - [操作](10min.html#operations)
+  - [合并（Merge）](10min.html#merge)
+  - [分组（Grouping）](10min.html#grouping)
+  - [重塑（Reshaping）](10min.html#reshaping)
+  - [时间序列（Time Series）](10min.html#time-series)
+  - [分类](10min.html#categoricals)
+  - [绘图](10min.html#plotting)
+  - [数据输入 / 输出](10min.html#getting-data-in-out)
+  - [坑（Gotchas）](10min.html#gotchas)
+- [基础用法](basics.html)
+  - [Head 与 Tail](basics.html#head-and-tail)
+  - [属性与底层数据](basics.html#attributes-and-underlying-data)
+  - [加速操作](basics.html#accelerated-operations)
+  - [二进制操作](basics.html#flexible-binary-operations)
+  - [描述性统计](basics.html#descriptive-statistics)
+  - [函数](basics.html#function-application)
+  - [重置索引与更换标签](basics.html#reindexing-and-altering-labels)
+  - [迭代](basics.html#iteration)
+  - [.dt 访问器](basics.html#dt-accessor)
+  - [矢量化字符串方法](basics.html#vectorized-string-methods)
+  - [排序](basics.html#sorting)
+  - [复制](basics.html#copying)
+  - [数据类型](basics.html#dtypes)
+  - [基于 `dtype` 选择列](basics.html#selecting-columns-based-on-dtype)
+- [数据结构简介](dsintro.html)
+  - [Series](dsintro.html#series)
+  - [DataFrame](dsintro.html#dataframe)
+- [与其它工具比较](comparison.html)
+  - [与 R 语言比较](comparison.html#comparison-with-r-r-libraries)
+  - [与 SQL 比较](comparison.html#comparison-with-sql)
+  - [与 SAS 比较](comparison.html#comparison-with-sas)
+  - [与 Stata 比较](comparison.html#comparison-with-stata)
+- [教程资料](tutorials.html)
+  - [官方指南](tutorials.html#internal-guides)
+  - [社区指南](tutorials.html#community-guides)
--- a/Python/pandas/getting_started/basics.md
+++ b/Python/pandas/getting_started/basics.md
--- a/Python/pandas/getting_started/comparison.md
+++ b/Python/pandas/getting_started/comparison.md
--- a/Python/pandas/getting_started/dsintro.md
+++ b/Python/pandas/getting_started/dsintro.md
--- a/Python/pandas/getting_started/overview.md
+++ b/Python/pandas/getting_started/overview.md
@@ -0,0 +1,119 @@
+# Pandas 概览
+**Pandas** 是 [Python](https://www.python.org/) 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、可以支持任何语言的开源数据分析工具**。经过多年不懈的努力，Pandas 离这个目标已经越来越近了。
+
+Pandas 适用于处理以下类型的数据：
+
+* 与 SQL 或 Excel 表类似的，含异构列的表格数据;
+* 有序和无序（非固定频率）的时间序列数据;
+* 带行列标签的矩阵数据，包括同构或异构型数据;
+* 任意其它形式的观测、统计数据集, 数据转入 Pandas 数据结构时不必事先标记。
+
+Pandas 的主要数据结构是 [Series](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.html#pandas.Series)（一维数据）与 [DataFrame](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.html#pandas.DataFrame)（二维数据），这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。对于 R 用户，DataFrame 提供了比 R 语言 data.frame 更丰富的功能。Pandas 基于 [NumPy](https://www.numpy.org/) 开发，可以与其它第三方科学计算支持库完美集成。
+
+Pandas 就像一把万能瑞士军刀，下面仅列出了它的部分优势 ：
+
+* 处理浮点与非浮点数据里的**缺失数据**，表示为 `NaN`；
+* 大小可变：**插入或删除** DataFrame 等多维对象的列；
+* 自动、显式**数据对齐**：显式地将对象与一组标签对齐，也可以忽略标签，在 Series、DataFrame 计算时自动与数据对齐；
+* 强大、灵活的**分组**（group by）功能：**拆分-应用-组合**数据集，聚合、转换数据；
+* 把 Python 和 NumPy 数据结构里不规则、不同索引的数据**轻松**地转换为 DataFrame 对象；
+* 基于智能标签，对大型数据集进行**切片**、**花式索引**、**子集分解**等操作；
+* 直观地**合并（merge）**、**连接（join）**数据集；
+* 灵活地**重塑（reshape）**、**透视（pivot）**数据集；
+*  **轴**支持结构化标签：一个刻度支持多个标签；
+* 成熟的 IO 工具：读取**文本文件**（CSV 等支持分隔符的文件）、Excel 文件、数据库等来源的数据，利用超快的 **HDF5** 格式保存 / 加载数据；
+* **时间序列**：支持日期范围生成、频率转换、移动窗口统计、移动窗口线性回归、日期位移等时间序列功能。
+
+这些功能主要是为了解决其它编程语言、科研环境的痛点。处理数据一般分为几个阶段：数据整理与清洗、数据分析与建模、数据可视化与制表，Pandas 是处理数据的理想工具。
+
+其它说明：
+
+* Pandas 速度**很快**。Pandas 的很多底层算法都用 [Cython](https://cython.org/) 优化过。然而，为了保持通用性，必然要牺牲一些性能，如果专注某一功能，完全可以开发出比 Pandas 更快的专用工具。
+* Pandas 是 [statsmodels](https://www.statsmodels.org/stable/index.html) 的依赖项，因此，Pandas 也是 Python 中统计计算生态系统的重要组成部分。
+* Pandas 已广泛应用于金融领域。
+
+## 数据结构
+
+维数 | 名称 | 描述
+---|---|---
+1 | Series | 带标签的一维同构数组
+2 | DataFrame | 带标签的，大小可变的，二维异构表格
+
+### 为什么有多个数据结构？
+
+Pandas 数据结构就像是低维数据的容器。比如，DataFrame 是 Series 的容器，Series 则是标量的容器。使用这种方式，可以在容器中以字典的形式插入或删除对象。
+
+此外，通用 API 函数的默认操作要顾及时间序列与截面数据集的方向。多维数组存储二维或三维数据时，编写函数要注意数据集的方向，这对用户来说是一种负担；如果不考虑 C 或 Fortran 中连续性对性能的影响，一般情况下，不同的轴在程序里其实没有什么区别。Pandas 里，轴的概念主要是为了给数据赋予更直观的语义，即用“更恰当”的方式表示数据集的方向。这样做可以让用户编写数据转换函数时，少费点脑子。
+
+处理 DataFrame 等表格数据时，**index**（行）或 **columns**（列）比 **axis 0** 和 **axis 1** 更直观。用这种方式迭代 DataFrame 的列，代码更易读易懂：
+
+``` python
+for col in df.columns:
+    series = df[col]
+    # do something with series
+```
+
+## 大小可变与数据复制
+
+Pandas 所有数据结构的值都是可变的，但数据结构的大小并非都是可变的，比如，Series 的长度不可改变，但 DataFrame 里就可以插入列。
+
+Pandas 里，绝大多数方法都不改变原始的输入数据，而是复制数据，生成新的对象。 一般来说，原始输入数据**不变**更稳妥。
+
+## 获得支持
+
+发现 Pandas 的问题或有任何建议，请反馈到 [Github 问题跟踪器](https://github.com/Pandas-dev/Pandas/issues)。日常应用问题请在 [Stack Overflow](https://stackoverflow.com/questions/tagged/Pandas) 上咨询 Pandas 社区专家。
+
+## 社区
+
+Pandas 如今由来自全球的同道中人组成的社区提供支持，社区里的每个人都贡献了宝贵的时间和精力，正因如此，才成就了开源 Pandas，在此，我们要感谢[所有贡献者](https://github.com/Pandas-dev/Pandas/graphs/contributors)。
+
+若您有意为 Pandas 贡献自己的力量，请先阅读[贡献指南](https://Pandas.pydata.org/Pandas-docs/stable/development/contributing.html#contributing)。
+
+Pandas 是 [NumFOCUS](https://www.numfocus.org/open-source-projects/) 赞助的项目。有了稳定的资金来源，就确保了 Pandas，这一世界级开源项目的成功，为本项目[捐款](https://Pandas.pydata.org/donate.html)也更有保障。
+
+## 项目监管
+
+自 2008 年以来，Pandas 沿用的监管流程已正式编纂为[项目监管文档](https://github.com/Pandas-dev/Pandas-governance)。这些文件阐明了如何决策，如何处理营利组织与非营利实体进行开源协作开发的关系等内容。
+
+Wes McKinney 是仁慈的终身独裁者。
+
+## 开发团队
+核心团队成员列表及详细信息可在 Github 仓库的[人员页面](https://github.com/Pandas-dev/Pandas-governance/blob/master/people.md)上查询。
+
+## 机构合作伙伴
+
+现有机构合作伙伴信息可在 [Pandas 网站页面](/about/)上查询。
+
+## 许可协议
+
+```
+BSD 3-Clause License
+
+Copyright (c) 2008-2012, AQR Capital Management, LLC, Lambda Foundry, Inc. and PyData Development Team
+All rights reserved.
+
+Redistribution and use in source and binary forms, with or without
+modification, are permitted provided that the following conditions are met:
+
+* Redistributions of source code must retain the above copyright notice, this
+  list of conditions and the following disclaimer.
+
+* Redistributions in binary form must reproduce the above copyright notice,
+  this list of conditions and the following disclaimer in the documentation
+  and/or other materials provided with the distribution.
+
+* Neither the name of the copyright holder nor the names of its
+  contributors may be used to endorse or promote products derived from
+  this software without specific prior written permission.
+
+THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS "AS IS"
+AND ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
+IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE ARE
+DISCLAIMED. IN NO EVENT SHALL THE COPYRIGHT HOLDER OR CONTRIBUTORS BE LIABLE
+FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL
+DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR
+SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER
+CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY,
+OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE
+OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.
+```
--- a/Python/pandas/getting_started/tutorials.md
+++ b/Python/pandas/getting_started/tutorials.md
@@ -0,0 +1,73 @@
+---
+meta:
+  - name: keywords
+    content: pandas教程,pandas资料
+  - name: description
+    content: 为方便新用户上手 Pandas，本节收录了众多 Pandas 教程。Pandas 团队出品。
+---
+
+# 教程资料
+
+为方便新用户上手 Pandas，本节收录了众多 Pandas 教程。
+
+## 官方指南
+
+[十分钟入门 Pandas](/docs/getting_started/10min.html)，Pandas 团队出品。
+
+[Cookbook](/docs/user_guide/cookbook.html) ，Pandas 实用案例。
+
+[Pandas 速查表](http://Pandas.pydata.org/Pandas_Cheat_Sheet.pdf)，案头必备。
+
+## 社区指南
+
+### 《Pandas Cookbook》Julia Evans 著
+
+[Julia Evans](http://jvns.ca/) 2015 年编著的《Pandas Cookbook》包含了很多 Pandas 实战例子，这些例子大多基于实战数据，涵盖了绝大多数新手小白遇到的实际问题。代码请参阅 Pandas-cookbook 的 [GitHub 仓库](http://github.com/jvns/Pandas-cookbook)。
+
+### 《Learn Pandas》 Hernan Rojas 著
+
+面对新用户介绍 Pandas 学习经验：
+[https://bitbucket.org/hrojas/learn-Pandas](https://bitbucket.org/hrojas/learn-Pandas)
+
+### Python 数据分析实战
+
+该[指南](http://wavedatalab.github.io/datawithpython)介绍了用 Python 数据生态系统对开源数据集进行数据分析的过程。涵盖了[数据整理](http://wavedatalab.github.io/datawithpython/munge.html)、[数据聚合](http://wavedatalab.github.io/datawithpython/aggregate.html)、[数据可视化](http://wavedatalab.github.io/datawithpython/visualize.html)和[时间序列](http://wavedatalab.github.io/datawithpython/timeseries.html)。
+
+### 新手习题
+
+用真实数据集与习题，锻炼 Pandas 运用能力。更多资源，请参阅[这个仓库](https://github.com/guipsamora/Pandas_exercises)。
+
+### 现代 Pandas
+
+[Tom Augspurger](https://github.com/TomAugspurger) 2016 年编写的系列教程。源文件在 GitHub 存储库 [TomAugspurger/effective-Pandas](https://github.com/TomAugspurger/effective-Pandas)。
+
+- [现代 Pandas](http://tomaugspurger.github.io/modern-1-intro.html)
+- [方法链](http://tomaugspurger.github.io/method-chaining.html)
+- [索引](http://tomaugspurger.github.io/modern-3-indexes.html)
+- [性能](http://tomaugspurger.github.io/modern-4-performance.html)
+- [清洗数据](http://tomaugspurger.github.io/modern-5-tidy.html)
+- [可视化](http://tomaugspurger.github.io/modern-6-visualization.html)
+- [时间序列](http://tomaugspurger.github.io/modern-7-timeseries.html)
+
+### 用 Pandas、vincent 和 xlsxwriter 绘制 Excel 图
+
+[用 Pandas、vincent 和 xlsxwriter 绘制 Excel 图](https://Pandas-xlsxwriter-charts.readthedocs.io/)
+
+### 视频教程
+
+- [Pandas 零基础](https://www.youtube.com/watch?v=5JnMutdy6Fw) (2015) (2:24) [GitHub repo](https://github.com/brandon-rhodes/pycon-Pandas-tutorial)
+- [Pandas 简介](https://www.youtube.com/watch?v=-NR-ynQg0YM) (2016) (1:28) [GitHub repo](https://github.com/chendaniely/2016-pydata-carolinas-Pandas)
+- [Pandas：从 head() 到 tail()](https://www.youtube.com/watch?v=7vuO9QXDN50) (2016) (1:26) [GitHub repo](https://github.com/TomAugspurger/pydata-chi-h2t)
+- [Pandas 数据分析](https://www.youtube.com/playlist?list=PL5-da3qGB5ICCsgW1MxlZ0Hq8LL5U3u9y) (2016-2018) [GitHub repo](https://github.com/justmarkham/Pandas-videos) 与 [Jupyter Notebook](http://nbviewer.jupyter.org/github/justmarkham/Pandas-videos/blob/master/Pandas.ipynb)
+- [Pandas 最佳实践](https://www.youtube.com/playlist?list=PL5-da3qGB5IBITZj_dYSFqnd_15JgqwA6) (2018) [GitHub repo](https://github.com/justmarkham/pycon-2018-tutorial) 与 [Jupyter Notebook](http://nbviewer.jupyter.org/github/justmarkham/pycon-2018-tutorial/blob/master/tutorial.ipynb)
+
+### 其它教程
+
+- [Wes McKinney（Pandas 仁慈的终身独裁者）博客](http://blog.wesmckinney.com/)
+- [轻松上手 Python 统计分析 - SciPy 与 Pandas，Randal Olson](http://www.randalolson.com/2012/08/06/statistical-analysis-made-easy-in-python/)
+- [Python 统计数据分析，Christopher Fonnesbeck，SciPy 2013](http://conference.scipy.org/scipy2013/tutorial_detail.php?id=109)
+- [Python 金融分析，Thomas Wiecki](http://nbviewer.ipython.org/github/twiecki/financial-analysis-python-tutorial/blob/master/1.%20Pandas%20Basics.ipynb)
+- [Pandas 数据结构，Greg Reda](http://www.gregreda.com/2013/10/26/intro-to-Pandas-data-structures/)
+- [Pandas 与 Python：Top 10，Manish Amde](http://manishamde.github.io/blog/2013/03/07/Pandas-and-python-top-10/)
+- [Pandas DataFrames 教程，Karlijn Willems](http://www.datacamp.com/community/tutorials/Pandas-tutorial-dataframe-python)
+- [实战案例简明教程](https://tutswiki.com/Pandas-cookbook/chapter1)