松思園 ·Pandas 簡介
大家好，歡迎閱讀這門 Pandas教程。
如果你是一個數據開發(fā)人員，我想你應該對 Pandas 并不陌生。如果你從沒有聽說過也沒有關系，這節(jié)課我們將對 Pandas 做一個系統的介紹，看完這節(jié)課你應該對 Pandas 是什么，能用來做什么有一個大致的了解。
好了，話不多說，下面就讓我們一起來走進 Pandas 的世界。
1. Pandas 是什么？
Pandas 是由 Wes McKinny 于 2008 年設計和開發(fā)，并于 2009 年底開源出來。最初的出現是為了彌補Python 在科學計算上的速度慢和資源消耗大的缺點，隨著不斷的發(fā)展，Pandas 庫越來越成熟和穩(wěn)定，已經成為了 Python 在科學計算中的重要模塊之一，廣泛的應用于數據分析、機器學習和深度學習等領域。隨著大數據、人工智能領域發(fā)展的突飛猛進，Pandas 的出場頻率越來越高，對于數據科學問題的處理越來越成熟、穩(wěn)定和高效。
作為 Python 語言的一個第三方庫，Pandas 在程序中可以很方便的進行引用。但是不得不說的是。Pandas 是在 Python 的另一個科學計算庫 Numpy 的基礎上進行開發(fā)的，因此 Pandas 采用了大量的 Numpy 編碼風格。
但它在性能上要優(yōu)于 Numpy，Numpy 比較適合處理統一的數值數組數據，而 Pandas 主要提供了兩種數據結構：一維數組（Series）和二維數組（DataFrame），可以說是專門用來處理表格和混雜數據的工具。
Tips：想要學習 Numpy 庫的同學可以閱讀這一門慕課教程。
2. Pandas 的特點
Pandas 有很多的特點，它的創(chuàng)始人 Wes McKinney 在談到 Pandas 時，總結了它的 9 個特性：
- 對表格類型數據的讀取和輸出速度非?？欤?/li>
- 時間序列處理；
- 數據隊列；
- 處理缺失數據；
- 分組運算；
- 分級索引；
- 數據的合并和加入；
- 數據透視表；
- 數據歸納和分析。
當然除了這九點，Pandas 還有很多其他的優(yōu)點，比如豐富的操作函數等，后面的課程中我們也會一一將 Pandas 的這些優(yōu)點展現給大家。
當我們最開始接觸 Pandas 時，很明了的就能感覺它在數據處理速度上的優(yōu)勢，以及它對于缺失數據處理的便捷性，還有它自身含有的數據歸納和分析函數。
正是這簡單的操作，快速的運算和自身帶有的強大的函數等功能特性，使得需要數據處理分析的用戶能很輕松的入手這個工具，并且?guī)淼男Ч质悄敲大@嘆，正是這些讓越來越多的需求選擇了入手它，并在使用中深入的了解它，最終掌握它、贊嘆它。
3. Pandas 的主要版本有哪些？教程使用什么版本？
Pandas 從 2009 年 12 月 26 日發(fā)布的 0.1 版本，發(fā)展到現在的 1.1.3 版本，中間各種版本經歷了八十次左右的迭代，也正是它不斷的發(fā)展、迭代才有了現在的成熟和穩(wěn)定，Pandas 迭代中有很多重要的版本，這里我們要強調一下 Pandas 的幾個版本：
- V0.24.2：該版本修復了0.24.x系列中的一些小錯誤，包括一些回歸修復，錯誤修復和性能改進；
- V0.25.0：這是 0.24.2 之后的另一個主要版本，大量的 API 更改，功能的改進和大量錯誤的修復；
- V1.0.0：該版本新增了 StringDtype 數據類型，新增了表格導出為
markdown的格式等新的內容。
本教程采用的是 Pandas 的最新 1.1.3 版本，該版本支持較新的 Python 3.9 版本，修復了整數一元加減運算中引起的類型錯誤，修復了 DataFrame.sort_values() 操作時出現的 AttributeError 錯誤等等，可以到官網查看 Pandas 1.1.3 的新特性。如果學習中，要使用其他版本的 Pandas ，要注意對 Python 版本的支持，
4. Pandas 與其他同類型框架的對比
5.1 軟件 SAS
對于商業(yè)軟件 SAS 而言，雖然它擁有良好的 GUI 方便用戶操作，但是購買價格比較昂貴，讓很多個體用戶望而止步。并且它的統計功能更新速度要不是很及時，而對比之下，Pandas 不僅開源免費，并且功能強大，成為了越來越多個體、科研機構、或者企業(yè)的不二之選。
5.2 R 庫
R 庫作為 SAS 的開源對應物，Pandas 庫和 R 庫在數據處理和分析方面都比較專業(yè)，Linux、Windows 均可使用，并且代碼可移植性都比較好，兩個庫之間存在一定的互補性，但處理速度方面 Pandas 庫要優(yōu)于 R 庫，Pandas 是 Python 的第三方庫，在數據結構上也更為豐富。
5.3 SQL 工具
Pandas 庫和 SQL 工具相比較，如果是處理存在數據庫中的數據，SQL 相對而言要方便一些，但目前大數據發(fā)展性，數據的來源大多數是通過網絡爬蟲而來，通過Python爬蟲程序，生成的數據文件一般是txt、csv 或者 Excel，這時候 SQL 就不太好用了，Pandas 的優(yōu)勢也就提現出來，它不論是數據的讀取和導出都很方便，而且 SQL 中有的數據處理功能，都可以由 Pandas 來實現。
通過和其他數據處理分析工具的對比，從成本投入、操作復雜度、處理能力等多方面考慮來看，Pandas 成為當下最火的數據處理工具也是當之無愧的。
目前來說，大數據產業(yè)已經發(fā)展成為了一種新型服務產業(yè)，已經逐漸的延伸到科學和商業(yè)等領域，隨著大數據技術的發(fā)展和應用產品的不斷迭代更新，大數據中所蘊含的價值被不斷的開采出來，同時，大數據分析行業(yè)的人才需求量也越來越大，行業(yè)中給出的待遇水平也相對較高。
而 Python 語言中的 Pandas 庫憑借著自身在大數據處理和分析中的簡潔方便、穩(wěn)定、高效等多方面的優(yōu)勢，在大數據領域中的位置越來越重要，也越來越被用戶所認可，成為了大數據分析、人工智能等領域必不可少的選擇。
學習 Pandas 有以下這些你無法拒絕的理由：
- 易于學習和使用；
- 社區(qū)資源多且豐富；
- Pandas庫成熟穩(wěn)定；
- Pandas庫功能豐富；
- 提高數據分析生成力；
- 就業(yè)前景廣；
- 薪資待遇高。
總之，不管你是一名上班族，還一名科學的研究者，Pandas 的學習對你來說都是很有價值的，在工作和辦公中隨時都會接觸到大量的數據，對于數據的處理和分析成為了必不可少的工作內容之一，Pandas 能大大的提高工作的效率。通過接下來進一步的接觸和學習，Pandas 在數據處理和分析上的亮點一定會讓你贊嘆！
7. 本門課程是如何設計的？
本課程主要是 Pandas入門基礎知識，從簡單到復雜，帶領大家了解 Pandas 的數據結構，掌握 Pandas豐富的操作方法，進一步的認識 Pandas 的一些高級功能，按照 Pandas 庫的數據結構和功能模塊層層深入，一層一層的揭開 Pandas 的神秘面紗。
課程主要涉及 Pandas 開發(fā)環(huán)境的安裝，Pandas 數據相關的操作，Pandas 的統計描述，以及 Pandas時間序列等知識點，針對每一塊的知識，按照功能模塊展開到每一小節(jié)，再具體到每一個操作方法上，會從概念描述、代碼演示和注意事項等多個角度講述知識點，使學生能輕松的學習 Pandas 庫，熟練的掌握 Pandas 庫的基礎知識。
8. 學習這門課程需要有什么基礎？
- 學習這么課程首先要有python語言編程基礎；
- 有一定的 Numpy 庫使用基礎，會更加有利于 Pandas 庫的學習和使用。
Tips：想要學習 Numpy 庫的同學可以閱讀這一門慕課教程。
2025 imooc.com All Rights Reserved |