入门 #

当处理表格数据时，例如存储在电子表格或数据库中的数据，pandas 是你的正确工具。pandas 将帮助你探索、清理和处理你的数据。在 pandas 中，一个数据表被称为 DataFrame。

How do I read and write tabular data?

pandas 支持与许多文件格式或数据源的开箱即用集成（csv、excel、sql、json、parquet 等）。从每个数据源导入数据的能力由前缀为 read_* 的函数提供。类似地，to_* 方法用于存储数据。

How do I select a subset of a table?

选择或过滤特定的行和/或列？根据特定条件过滤数据？pandas 提供了切片、选择和提取所需数据的方法。

How to create plots in pandas?

pandas 提供了使用 Matplotlib 的强大功能直接从您的数据中绘图的功能。只需选择与您的数据相对应的图表类型（散点图、条形图、箱线图等）。

How to create new columns derived from existing columns?

没有必要循环遍历数据表的所有行来进行计算。在 pandas 中，列数据操作是按元素进行的。基于其他列中的现有数据向 DataFrame 添加列是直截了当的。

How to calculate summary statistics?

基本统计（均值、中位数、最小值、最大值、计数…）可以很容易地在数据框中计算。这些，甚至是自定义的聚合，可以应用于整个数据集、数据的滑动窗口，或按类别分组。后者也被称为分割-应用-合并方法。

How to reshape the layout of tables?

以多种方式改变你的数据表结构。你可以使用 melt() 将数据从宽格式重塑为长而整洁的格式。使用 pivot(): 从长格式转换为宽格式。通过内置的聚合功能，可以用一个命令创建数据透视表。

How to combine data from multiple tables?

多个表格可以通过 pandas 类似数据库的连接和合并操作按列或按行连接。

How to handle time series data?

pandas 对时间序列有很好的支持，并且有一套广泛的工具用于处理日期、时间和时间索引的数据。

How to manipulate textual data?

数据集通常不仅仅包含数值数据。pandas 提供了广泛的功能来清理文本数据并从中提取有用的信息。