Pandas简介
之前详细介绍了 NumPy 和它的 ndarray 多维数组对象，为 Python 多维数组提供了高效的存储和处理方法。
本章基于前面的知识，继续学习 Pandas 库提供的数据操作方法。Pandas 是在 NumPy 基础上建立的另一个第三方库，提供了一种高效的 DataFrame 数据结构。DataFrame 本质上是一种带行标签和列标签、支持相同类型数据和缺失值的多维数组。Pandas 不仅为带各种标签的数据提供了便利的存储与展示接口，还实现了许多强大的计算、查找和分类等操作。
pandas 在底层存储时使用的是 numpy 的数组，因此在安装 pandas 之前，需要确保已经安装了 numpy 。
在安装完成 pandas 之后，可以导入它检查一下版本号：
和之前导入 numpy 并使用别名 np 一样，之后将导入 pandas 并使用别名 pd ：
Pandas的数据对象
Series对象
pandas 最简单的数据类型是 Series 。Series 对象是一个带索引数据构成的一维数组。可以用一个数组创建 Series 对象，如下所示：
Series 对象将一组数据和一组索引绑定在一起，可以通过 .values 属性获取数据，通过 .index 属性获取索引。.values 属性返回的结果就是底层的 numpy 数组：
.index 属性返回的结果是一个类型为 Index 的索引对象。索引是 pandas 的特点之一，将在后面的内容里详细介绍它。
和 numpy 数组一样，可以通过中括号实现索引或切片：
这么看来，pandas 的 Series 与 numpy 的一维数组很类似。但 Series 为数组提供了一种更加强大的索引系统：numpy 数组通过隐式定义的整数索引获取数值，而 pandas 的 Series 对象用可以手动指定索引与数值关联。
显式索引的定义让 Series 拥有了更好的可读性。例如，索引不再仅仅是整数，还可以是任意想要的类型。如果需要，完全可以用字符串定义索引：
在使用索引访问元素时，可以通过之前定义的字符索引获取数值：
这种数值的访问形式很像 Python 字典，可以将每个索引作为键映射到一个值。因此可以直接使用 Python 的字典创建一个 Series 对象，让两者的类比更加清晰：
由于 Python3.6+ 的字典是有序的，因此创建的 Series 对象索引也默认按照顺序排列。
除了可以使用像字典一样按键获取数值外，Series 的索引还可以用于切片操作：
这种切片是包括终点位置的元素的，这和普通的索引形式不同。后续会详细介绍这种索引规则。
DataFrame对象
pandas 的另一个基础数据结构是 DataFrame 。DataFrame 可以看作是一种二维数组，但它既有行索引，又有列索引，因此它经常被当做一个表格使用。注意，DataFrame 是 pandas 的非常重要的一个数据类型，因为它可以很好地表达日常生活中处理的各种表格结构。DataFrame 与 Excel 中表格或 SQL 中表的概念非常相似，可以实现大多数 Excel 或 SQL 的表操作。
DataFrame 有许多创建方式，每种创建方式都代表着对它的理解。例如，和 Series 对象一样，DataFrame 可以看作一个更灵活的 numpy 二维数组。因此可以直接使用二维数据创建 DataFrame ，只要手动指定符合形状的行列索引即可：
| A | B | C | D | |
|---|---|---|---|---|
| 1 | 0 | 1 | 2 | 3 |
| 2 | 4 | 5 | 6 | 7 |
| 3 | 8 | 9 | 10 | 11 |
也可以把 DataFrame 看成是一种结构数组，每行表示一个结构元素，行索引表示每个结构元素的索引，列索引则表示的是结构的字段名。因此，当然可以使用 numpy 的结构数组来创建 DataFrame ：
| A | B | |
|---|---|---|
| 0 | 0 | 0.0 |
| 1 | 0 | 0.0 |
| 2 | 0 | 0.0 |
结构数组的表述便于理解，但实际上可能会带来一些误解。例如，DataFrame 的索引和 numpy 的二维数组索引不太一样：在 numpy 的二维数组里，arr[0] 被认为是一个嵌套数组返回包含的第一个子数组；而在 pandas 中，第一层索引得到的结果是一个列的数据：
对 DataFrame 一种更好的理解方式是看作一个数组字典，每一个索引都可以看作是字典的一个键，对应一个列的数据；这些数据是一系列同种类型的数值，或者说一个 Series 。也就是说，DataFrame 是具有共同索引的若干 Series 对象组合。
因此，使用单个 Series 创建的是一个单列的 DataFrame ：
| 0 | |
|---|---|
| bread | 279 |
| biscuit | 78 |
| strawberry | 26 |
如果能接受这种 DataFrame 的理解方式，不仅容易记住它的创建方式，也有助于明白对它的操作会得到什么样的结果。
创建 DataFrame 的方式非常丰富，只要能表达出这种二维的 {column: series} 的映射关系基本都可以用于创建它。例如，可以使用一组具有相同索引的 Series 对象创建它；由于 Series 可以被看作特殊的字典，因此也可以使用一个二维字典来创建一个 DataFrame 对象：
| price | sales | |
|---|---|---|
| cake | 23 | 5 |
| cookie | 6 | 14 |
| bread | 10 | 23 |
如果明白“DataFrame 是一组具有相同索引的 Series 对象组合”，就会知道字典的嵌套与被嵌套的关系：内层的字典应该要具有相同的键。
如果能理解这种嵌套关系，那么就可以很自然地明白数据获取方式：第一次索引将以列索引值为键，得到一个列作为字典；第二次索引将以行索引值为键，从得到字典中获取相应的元素：
和 Python 字典一样，Series 和 DataFrame 还支持 item assignment ，对 Series 的操作结果是更新项或添加项，对 DataFrame 的操作结果是更新列或添加列：
| price | sales | sum | |
|---|---|---|---|
| cake | 23 | 5 | 115 |
| cookie | 6 | 14 | 84 |
| bread | 10 | 23 | 230 |
Index对象
pandas 的 Index 对象是构成 Series 和 DataFrame 显式索引的基础。
Series 是一维的数据，因此需要一个 Index 对象用于获取数据，这个对象被保存在它的 .index 属性中。而二维的 DataFrame 需要两个 Index 对象来定位数据，它们分别是代表行的 .index 属性和代表列的 .columns 属性：
Index 对象可以看作是一个不可变数组，因此可以像创建数组一样创建 Index 对象：
除了没有那么丰富的创建方法外，Index 对象的许多属性与操作都像数组，例如索引与切片：
两者之间的不同在于 Index 对象是不可变的，这种特征使得多个 DataFrame 等类型之间共享索引时更加安全，可以避免修改索引而破坏表的结构。
一种对 Index 更精确的描述是有序集合。pandas 对象被设计用于实现许多操作，如合并数据集，这就要求相同列之间需要合并。Index 对象遵循 Python 标准库的集合 set 数据结构的许多习惯用法，包括并集、交集、差集等：
高版本的 pandas 可能已经弃用了运算符重载的形式，或对其抛出警告，因此一般更推荐直接调用对象的方法实现这些运算。