原文地址：Pandas 中文网

Pandas 概览

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，包含同构或异构型数据；
• 任意其他形式的观测，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（一维数据）与 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 开发，可以与其他第三方科学计算支持库完美集成。

Pandas 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；
• 灵活的重塑（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他编程语言，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。

其他说明：

• Pandas 速度很快，Pandas 的很多底层算法都用 Cython 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 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：

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。