mirror of
https://github.com/Estom/notes.git
synced 2026-02-07 20:44:38 +08:00
120 lines
8.0 KiB
Markdown
120 lines
8.0 KiB
Markdown
# 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.
|
||
```
|