前言
其实，学习Python很好的方法是去看官方文档。
有人会说，我零基础，看不懂啊！
也有人会说，我英语差，看不懂啊！！
还有人会说，我想学实战案例，不想看的这么详细！！！
是的，官方文档说的面面俱到，像是查字典似的，对于初学者是很不友善的
所以大部分人选择了:拒绝！
其实，我以前也是不看官方文档的，但有些问题百度不到，看的书里没讲到，那我就被迫去看官方文档了
此举给我打开了学习Python的一扇窗
我发现，官方文档其实有很多例子和入门学习内容，比如我们今天要说的
十分钟入门Pandas
很多人讨厌看官方文档，今天我就用中文简单解读一下，争取让大家看懂，能入门Pandas
官方文档说想要详细了解Pandas的更多用法可以看它的cookbook：http://pandas.pydata.org/pandas-docs/stable/cookbook.html#cookbook
导入模块
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
这分别导入了pandas、numpy包 和 matplotlib 包中的 pyplot 模块
创建对象
请参见“数据结构简介”部分：http://pandas.pydata.org/pandas-docs/version/0.20/dsintro.html#dsintro
通过一个列表的值创建一个系列，让pandas创建一个默认的整数索引：
?np.random.randn()
np.random.randn(6,4)是生成6行4列的标准正态分布数据
注：这里使用ABCD为列标签，之前生成的日期序列为行标签，6行4列标准正态分布数据为内容的dataframe
使用字典来创建dataframe
<pre class="has">
df2 = pd.DataFrame({ 'A' : 1.,
'B' : pd.Timestamp('20130102'),
'C' : pd.Series(1,index=list(range(4)),dtype='float32'),
'D' : np.array([3] * 4,dtype='int32'),
'E' : pd.Categorical(["test","train","test","train"]),
'F' : 'foo' })
df2
查看dataframe的类型信息
<pre class="has">
df2.dtypes
查看数据
更多内容请参阅基础部分：http://pandas.pydata.org/pandas-docs/version/0.20/basics.html#basics
查看dataframe顶部和底部的行（默认五行）
<pre class="has">
df.head()#查看默认前五行
<pre class="has">
df.tail()#查看默认后五行
<pre class="has">
df.head(3)#查看前三行
显示索引，列和底层numpy数据
显示索引：
df.index
显示列名：
<pre class="has">
df.columns
查看底层numpy数据：
<pre class="has">
df.values
对数据的描述性统计信息
df.describe()
注意：数据需要是数字类型（float，int等)
转置调换数据
df.T
注意：就像线性代数里面的转置矩阵
按轴排序
<pre class="has">
df.sort_index(axis=1,ascending=False)
可能你还看不太明白这是什么方法
我们help一下
这说明axis可以取0或者1，我们试试看0：
<pre class="has">
df.sort_index(axis=0,ascending=False)
可以看出两者的区别
深入挖掘其中的参数作用还得你自己慢慢看呢
按值排序
<pre class="has">
df.sort_values(by='B')
这是B列数据排序，并且其他数据参照B列数据变化。
选择数据
更多内容请参阅索引文档索引：http://pandas.pydata.org/pandas-docs/version/0.20/indexing.html#indexing
和选择数据和多指标/高级索引：http://pandas.pydata.org/pandas-docs/version/0.20/advanced.html#advanced
选择一个列，返回一个Series，相当于df.A
<pre class="has">
df['A'] #取A列数据，返回的是一个序列
选择通过[]，切片出行数据
<pre class="has">
df[0:3] #使用默认索引取出前三行
<pre class="has">
df['20130102':'20130104'] #使用新索引取出对应行
960410445源码 群
希望这篇文章能带你进入pandas的世界，需要源码可以找我获取哦！
