Pandas的主要特點

使用預設和自定義索引的快速高效的DataFrame物件。用於將資料從不同檔案格式載入到記憶體資料物件的工具。資料對齊和缺失資料的整合處理。重新設定和旋轉日期集。大資料集的基於標籤的分片，索引和子集。資料結構中的列可以被刪除或插入。按資料分組進行聚合和轉換。高效能的資料合併和連線。時間序列功能。

看到很多答非所問或者列出一大堆具體方法。本質上大多的核心使用都是圍繞著

DataFrame進行。

我來說說以下要點(下文用df表示DataFrame)：

1. 篩選

處理資料最經常做的就是過濾篩選資料，因此怎麼對 df 做過濾篩選就很重要。

loc , iloc , xs :這3個方法必須熟練。

query ：高效的過濾，注意學會怎麼對多層索引進行過濾。

表示式過濾 ： df[df["col"]==value] ，這種也需要很熟練。

2. 彙總資料

我們需要經常對資料進行分組彙總。

groupby ：理解這個過程。

分組後的操作 ： apply , agg , transform 。需要理解他們的機制，並且知道他們是為了解決啥問題的。

pivot_table : 很多人把透視作為groupby的簡化操作，這個理解不夠深入。透視是讓你用支點固定資料，把長表變寬。學會使用他很容易，但怎麼把自己的資料思維快速應用透視表去表達卻是不容易。特別注意關於 index，column，values 是分別為了解決資料哪些維度的問題。

melt : 透視的逆向操作。3. 其他的資料描述或統計

在探索分析時，經常需要對資料做整體理解以及每個欄位的關係描述。

df.describe

，

df.corr

等等，太多了，不一一列舉。

值得注意的是，要明確知道啥場景使用他們才是最重要。

最後

上述其實只是說了一部分而已。具體有哪些需要補充，其實看你從事哪方面的工作。我們不可能把所有精力放在各方面的，要用二八定律去分配吧。

pandas操作excel兩大核心函式，merge 對應excel的vlookup函式，pivot_table對應excel表的透視表操作，用於辦公室自動化非常好用