之前講了資料分析numpy庫，今天開始講資料分析教程pandas庫，可以說，python在資料分析領域獨樹一幟，離不開pandas的強有力支撐，之前教程中也說過了，numpy主要處理數值型資料，pandas不但能處理數值型，字元型等也能處理，而且相比numpy，pandas會更好用，一般情況下，在工作中如果numpy和pandas的相同功能，我也可能用pandas更多些。

下面簡單截圖了一個拉勾招聘需求，讓大家有所瞭解資料分析工作的基本知識都要會哪些，工資就不必多提了，一般情況下，有2年真正的工作經驗，15K算是比較保底的了,技術要求的話，有numpy、pandas、scipy、sklearn還有一些機器學習演算法等，也都是該系列教程要一步步給大家講的，當然數學好的話，會是很大的加分項，本系列教程只講我覺得重要的，工作會用到的知識點，把方法教給大家

1、pandas資料結構

1.Series一維

2.DataFrame 二維，Series容器

匯入包：習慣給numpy起別名np,pandas起別名pd

import numpy as np

import pandas as pd

簡單感知下兩者區別，Series為一列資料，最左側的01234為標籤，右側為值

DataFrame為多列資料，說白了就是DataFrame由多個Series組成

2、Series建立

之前numpy教程中提到過，學習資料分析庫的通用思路就是瞭解並建立資料結構，取值，修改，計算，這些pandas也不例外，我們依舊按照這些思路來學習

通過傳入列表建立series，如果修改標籤，可以建立後通過df.index修改,也可以在建立的時候加入index引數進行修改

通過字典建立series，預設字典的鍵即標籤

3、Series取值方式一

series具有物件的特點，類似字典，可以通過get方法、中括號方法、點語法進行取值，當然get好處就是假如鍵（索引、標籤）不存在，不會拋異常

注意：索引是字元時候，可以用點語法，如果是數值時候，不能用點語法，如下圖，會拋異常，這點同樣適用於後面所講的DataFrame資料結構

4、Series取值方式二

series不但有字典的特點，也有列表的特點，可以通過切片進行選取

5、Series計算

簡單舉列子，加1、利用numpy中一些數學方法計算平方等

6、Series獲取索引和值

df.index和df.values可以獲取索引和值，列印值的型別，是numpy的ndarray型別

當然區別於上面所講的設定索引，設定索引時候我們是賦值操作df.index = [“zs”,“ls”,“ww”,“zl”]，而獲取的時候我們直接df.index即可

7、補充一些數學運算方法（numpy庫、math庫、scipy庫）

exp:以e為底的指數函式

square:平方

sqrt:開平方

numpy庫：

math庫:( 發現沒有square方法，就用了pow方法）

scipy庫:

舉例這些想說明的問題是，python的很多科學計算庫包括但不限於以上3種，內部很多封裝好的數學方法用法差不多，功能重複，我們用的時候根據場景選用任意都可以，當然還有更多的對數函式，開多次方，圓周率π，這些都有對應的方法，希望大家能查閱相關文件，自己去學習，培養自學能力