目录
最近要到七夕节了，某小学妹竟然找我聊天
结果我一看，原来是问pandas的，那我必须写一篇关于pandas的教学博客啊！正好可以让我好好地给小学妹深入的讲解一下。。。。。。。
这还说明一个道理，只要你好好学习，一定会有女生来主动找你，这就是技巧，同时也祝兄弟们在七夕来临之前找到属于自己的另一半！
下面开始步入正题，我要好好开始讲解了！
注意：学数据分析的小白必须要看会，不会的可以问我，😘
一、什么是Pandas？
官方文档
Pandas 是 Python (opens new window)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。
二、Pandas的常见数据结构
| 名称 | 描述 |
|---|---|
| Series | 带标签的一维同构数组 |
| DataFrame | 带标签的，大小可变的，二维异构表格 |
三、生成对象
1.Series数据
**注意：**Pandas默认自动生成整数索引。
2.DataFrame数据
四、查看数据
.head()和.tail()方法
一个是查看头部的数据，.head()默认查看数据的头5行；.tail()是查看尾部的数据，默认也是后5行。
.index和.columns方法
分别用来查看数据的索引和列名。
五、获取数据
用[]切片
或者直接把想要获取的数据写出来。
六、提取数据
.loc[]方法
提取特定行数据的方法
提取多列的数据
提取具体的数据
.iloc[]方法
按照行的索引提取数据
切片处理
提取特定的数据
七、条件筛选
.isin()方法
八、处理缺失值
删除所有含有缺失值的行
.dropna()函数
填充缺失值
.fillna()函数
判断是否为缺失值
pd.isna()函数
九、Apple函数
每行的叠加
自定义函数:计算每一列的最大值减去最小值
十、合并（Merge）
Pandas 提供了多种将 Series、DataFrame 对象组合在一起的功能，用索引与关联代数功能的多种设置逻辑可执行连接（join）与合并（merge）操作。
1.结合（Concat）
pd.concat()用于连接pandas对象
2.连接（join）
pd.merge()函数
3.追加（Append）
.append()函数
十一、分组
“group by” 指的是涵盖下列一项或多项步骤的处理流程：
- 分割：按条件把数据分割成多组；
- 应用：为每组单独应用函数；
- 组合：将处理结果组合成一个数据结构。
.groupby()函数
十二、数据透视表（Pivot Tables）
就是把一项数据或者多项数据和另一项数据或者另外多项数据联系起来。
.astype()函数
十三、数据可视化
.plot()函数
十五、数据的输入与输出
1.写入CSV文件
df.to_csv('foo.csv')
2.读取CSV文件
