标签：python pandas 官方 文档 install pip writing Pandas
0. 前言
2022年5月，再次提起勇气来开始学习pandas。下面是后面我认为可能需要的
-
知识储备：
-
自带明确的需求
-
SQL
-
数据库
-
python
-
-
学习资源：
1. 安装
环境：Vscode+Pyhton3.10
有几个提前要做的步骤是很有必要的，可以避免很多初学者会遇到的麻烦。主要是Vscode用jupyter挺方便的。
Step1: 设置工作区（workspace）
Step2: 建立虚拟环境（venv）
这里需要注意的是，如果和我一样，同时装了python2和python3，那么你得用：
python3 -m venv venv
Step3: 安装pandas
pip install pandas
还有conda等其他方法来安装和配置环境，没尝试。
到这里，已经搭建好环境：
-
操作系统：MacOS
-
IDE: Vscode + jupyter
-
终端：powershell
还需要做一个测试：
- 在Vscode中，打开终端：
# 进入虚拟环境
PS /Users/watalo/programs/pandas-note> venv/bin/acitvate.ps1
# 启动python
（venv）PS /Users/watalo/programs/pandas-note> python
- 进入python后，执行pd.test()
>>> import pandas as pd
pd.test()
执行后，系统会进行一段时间的测试，看能不能用。我这里返回了很多信息，最关键的估计就是以下内容：
========== 7 failed, 132503 passed, 21237 skipped, 1077 xfailed, 5 xpassed, 192 warnings, 10 errors in 1368.28s (0:22:48) ===========
Step4: 安装依赖包
官方推荐了很多的依赖包，有数据处理、可视化、数据类型相关的。
- 一定得装得依赖库
| Package | 最低支持版本 |
|---|---|
| setuptools | 24.2.0 |
| NumPy | 1.13.3 |
| python-dateutil | 2.6.1 |
| pytz | 2017.2 |
| numexpr | |
| bottleneck |
- 某些特定功能需要的库
| 依赖名称 | 最低版本 | 注意 |
|---|---|---|
| BeautifulSoup4 | 4.6.0 | HTML parser for read_html (see note) |
| Jinja2 | Conditional formatting with DataFrame.style | |
| PyQt4 | Clipboard I/O | |
| PyQt5 | Clipboard I/O | |
| PyTables | 3.4.2 | HDF5-based 读写 |
| SQLAlchemy | 1.1.4 | SQL support for databases other than sqlite |
| SciPy | 0.19.0 | Miscellaneous statistical functions |
| XLsxWriter | 0.9.8 | Excel读写 |
| blosc | Compression for msgpack | |
| fastparquet | 0.2.1 | Parquet reading / writing |
| gcsfs | 0.2.2 | Google Cloud Storage access |
| html5lib | HTML parser for read_html (see note) | |
| lxml | 3.8.0 | HTML parser for read_html (see note) |
| matplotlib | 2.2.2 | 可视化必装 |
| openpyxl | 2.4.8 | Reading / writing for xlsx files |
| pandas-gbq | 0.8.0 | Google Big Query access |
| psycopg2 | PostgreSQL engine for sqlalchemy | |
| pyarrow | 0.9.0 | Parquet and feather reading / writing |
| pymysql | 0.7.11 | MySQL engine for sqlalchemy |
| pyreadstat | SPSS files (.sav) reading | |
| pytables | 3.4.2 | HDF5 reading / writing |
| qtpy | Clipboard I/O | |
| s3fs | 0.0.8 | Amazon S3 access |
| xarray | 0.8.2 | pandas-like API for N-dimensional data |
| xclip | Clipboard I/O on linux | |
| xlrd | 1.1.0 | Excel reading |
| xlwt | 1.2.0 | Excel writing |
| xsel | Clipboard I/O on linux | |
| zlib | Compression for msgpack |
成年人不做选择题，全部装了就完了。
提示：
导出所有依赖包
- pip install freeze > requirements.txt
用requirements安装依赖包
- pip install -r requirements.txt
设置国内源
pip install pip -U pip config set global.index-url https://pypi.douban.com/simple/
2. Pandas概论
Pandas 是 Python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。
处理哪些数据
- 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。
两种数据结构
| 维数 | 名称 | 描述 |
|---|---|---|
| 1 | Series | 带标签的一维同构数组 |
| 2 | DataFrame | 带标签的，大小可变的，二维异构表格 |
-
Pandas所有的数据结构的值都是可变的，但是数据结构的大小并非都可变。
-
Series的长度不能变
-
DataFrame可以插入列
-
-
绝大部份方法不改变原始数据，而是复制生成新对象再操作。
种草：nbconvert
可以快速的将jupyternotebook 转成md等等各种格式。
安装：
pip install nbconvert使用：
cd到脚本所在文件夹
jupyter nbconvert --to markdown xxxxxx.ipynb
标签：python,pandas,官方,文档,install,pip,writing,Pandas 来源： https://www.cnblogs.com/watalo/p/16316042.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。