说到pandas大家并不陌生，他是numpy的一个工具，起初是为了金融数据分析工具而开发出来，09年开源出来后，类库越来越强大，使用者也逐日增加，小斌哥我就是“潘大师”的新粉丝，特意来学习一下使用并将使用方法详细记录下来，方便大家查阅~
简单介绍
Pandas是python的一个数据分析包，最初由AQR Capital Management于2008年4月开发，并于2009年底开源出来，目前由专注于Python数据包开发的PyData开发team继续开发和维护，属于PyData项目的一部分。Pandas最初被作为金融数据分析工具而开发出来，因此，pandas为时间序列分析提供了很好的支持。 Pandas的名称来自于面板数据（panel data）和python数据分析（data analysis）。panel data是经济学中关于多维数据集的一个术语，在Pandas中也提供了panel的数据类型。
数据结构
Series：一维数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近。Series如今能保存不同种数据类型，字符串、boolean值、数字等都能保存在Series中。
Time- Series：以时间为索引的Series。
DataFrame：二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。
Panel ：三维的数组，可以理解为DataFrame的容器。
Panel4D：是像Panel一样的4维数据容器。
PanelND：拥有factory集合，可以创建像Panel4D一样N维命名容器的模块。
以上内容来自百度百科
开始学习
看过他的数据结构感觉其实也并没有很难学的样子，那我们就赶快开始吧~既然他是用来处理数据的工具，第一件事肯定是要读取\保存文件咯！
先导入包
import pandas as pd
pandas很重要的一个类叫做DataFrame，这个类相当于Excel的一个sheet，我们创建和执行什么操作，都是靠这个类实现的，
创建DataFram对象
df = pd.DataFrame({'ID:': [1, 2, 3], 'NAME:': ['JosephBean', 'Nick', 'Joshua']})
里面是一个字典，KEY对应的是你的每一列的第一个值，VALUE对应的是你每列的属性
保存文件
df.to_excel(r'E:\people.xlsx')
可以看出来这个ExcelA列是多余的索引，我们想把他去掉，就需要设置索引：
df = df.set_index('ID:')
想把我自定义的’ID:'设置为索引，我们再看一下结果：
怎么样？还是很Easy的吧！
完整代码：
import pandas as pd
df = pd.DataFrame({'ID:': [1, 2, 3], 'NAME:': ['JosephBean', 'Nick', 'Joshua']})
df = df.set_index('ID:')
df.to_excel(r'E:\people.xlsx')
读取文件
说了写文件，我们开始读文件
excel = pd.read_excel(r'E:\people.xlsx', header=0)
我们就读刚才写进去的那个文件，怎么预览文件的内容呢？莫非要双击文件打开？no! 那样太傻了
直接
print(excel)
这样虽然可以正确打印出来，但是如果文件一旦有几万条数据，这样一条一条打印太占内存了，想看有几行几列使用
print(excel.shape)
想看列的名字：
print(excel.columns)
打印结果：
Index(['ID:', 'NAME:'], dtype='object')
想看文件内前五个（默认是看五个）：
print(excel.head())
当然可以自定义多少行，比如想看十行，就是
print(excel.head(10))
想从底部开始就是：
print(excel.tail())
假如我们的文件第一行有奇怪的东西呢？
再执行一下excel.columns，结果就成了：Index(['x', 'Unnamed: 1'], dtype='object')，不是ID：和NAME：了，想要解决，就更换头的行号，默认第0行是header，但是我们可以手动设置为1：
excel = pd.read_excel(r'E:\people.xlsx', header=1)
这样就又正常了，需要注意的是，如果第一行没有值：
pandas会自动将header设置为1的，还是很智能的
如果我们想给数据添加标题呢？
只需：
excel = pd.read_excel(r'E:\people.xlsx', header=None)
excel.columns = ['ID', 'NAME']
excel = excel.set_index('ID')
excel.to_excel(r'E:\people.xlsx')
- 第一行是读取
- 第二行是设置列的值
- 第三行是设置索引为ID，否则会在第一列多出一列索引
- 第四行是保存
执行结果：
需要注意的是，此时再执行：print(excel.columns)，就只有NAME一个值了，pandas把索引和列值是分开的，打印结果：Index(['NAME'], dtype='object')
但是此时我们如果再打印一下：print(excel.head())，会发现
ID NAME
0 1 JosephBean
1 2 Nick
2 3 Joshua
烦人的索引又出来了！！如果把保存那一行代码再执行一次，第一列就又多出来索引的那些数字了，想去掉只需在读取的时候设置索引index_col为你想要的值就好了：
excel = pd.read_excel(r'E:\people.xlsx', index_col='ID')
知根知底Series
前面我们已经说了pandas的数据结构，他是一个一维数组：
import pandas
series = pd.Series(['JosephBean', 'Nick', 'Marry'], index=['Handsome guy', 'Brother', 'girl'])
print(series)
第一个参数：data
第二个参数：index
打印结果：
Handsome guy JosephBean
Brother Nick
girl Marry
dtype: object
可以看出来这几乎等于python中的字典，存在映射关系
既然Series可以看做是一个字典，怎么能让他变成之前的Excel那样的形式呢？
完全可以设计成形如上图这样的格式，一个Series的key是索引Index，value是Series中对应的数据，我们只需要给Series加个名字Name就可以了
s1 = pd.Series([1, 2, 3], index=[0, 1, 2], name='A')
s2 = pd.Series([4, 5, 6], index=[0, 1, 2], name='B')
s3 = pd.Series([7, 8, 9], index=[0, 1, 2], name='C')
frame = pd.DataFrame({s1.name: s1, s2.name: s2, s3.name: s3})
print(frame)
我们可以看到每一个Series多了一个参数name，现在变成了三个参数了
第一个参数： 相当于一个list，里面存储着数据
第二个参数： 索引，与Series中的数据（data）一一进行匹配，s1的index是0,1，2，s2的index也是0,1，2，所以他们相同索引值下对应的Series数据应该是同一位置下的：
输出结果：
A B C
0 1 4 7
1 2 5 8
2 3 6 9
可以看出来索引为0对应s1的Series是1，对应s2的是4，对应s3的是7，所以索引为0对应的这一行数据为1,4，7，而s1的name为‘A’，所以A这列对应的数据是1,2,3
第三个参数： Name是Series中data的名字
数据填充怎么玩儿
众所周知Excel有数据填充功能，非常的方便，我们通过pandas来还原一下这个功能，原始数据是这样的：
A列如何变成递增序列，C列怎么变成YES和NO的交替，D怎么变成递增一天的日期格式呢？
首先我们先调整一下格式，因为这个例子没有从第1行开始，看一下pycharm中的打印结果：
他是从第0行开始的，并没有从我们想要的第5行开始，所以我们需要用到read_excel方法的另一个参数:skiprows，我们跳过四行，就会来到第5行了，再看一下结果：
是从第五行开始，但是并没有从第三列开始，所以需要另外一个参数：usecols，这个是你使用多少列，我使用的是C-F列
所以usecols的值为C:F，或者C,D,E,F，再看一下打印结果：
这下就对了，接下来我们正式开始填充了：
import pandas as pd
from datetime import date, timedelta
test = pd.read_excel('E:/tianchong.xlsx', skiprows=4, usecols='C:F', dtype={'A': str, 'B': str, 'C': str, 'D': str})
start = date(2020, 2, 27)
for i in test.index:
test['A'].at[i] = i + 1
test['C'].at[i] = 'YES' if i % 2 == 0 else 'NO'
test['D'].at[i] = start + timedelta(days=i)
print(test)
为了格式统一，我们把dtype每一列都设置为str属性，否则默认的NaN执行完for循环后会变成浮点数，日期会变成yyyy-MM-dd HH:mm:SS这样的形式
我们执行一次for循环，把name为A的这一列，每一列都多加一个1，name为C的这一列进行一次判断，如果i为基数就是YES，为偶数就是NO，第三个是日期，麻烦一点，我们想递增天数，就直接start + timedelta(days=i)，如果想递增年，就需要test['D'].at[i] = date(start.year + i, start.month, start.day)，也很简单，最麻烦的就是递增月份，因为月份超过12月就得重新从1月份开始，否则就会报错，我们需要使用一个小方法：
def add_month(pre_dates, ad_month):
year = ad_month // 12 # 加了ad_month之后有几年
month = pre_dates.month + ad_month % 12 # 月份不能超过12，但是pre_dates.month之和可能依然超过12，所以还需要第二次取余
if month != 12:
year += month // 12
month = month % 12
return date(pre_dates.year + year, month, pre_dates.day)
这样我们新增保存操作再执行：
test = pd.read_excel('E:/tianchong.xlsx', skiprows=4, usecols='C:F', dtype={'A': str})
start = date(2020, 2, 27)
for i in test.index:
test['A'].at[i] = i + 1
test['C'].at[i] = 'YES' if i % 2 == 0 else 'NO'
# test['D'].at[i] = start + timedelta(days=i)
# test['D'].at[i] = date(start.year + i, start.month, start.day)
test['D'].at[i] = add_month(start, i)
print(test)
就正常了：
篇幅太多了，我们这一次就结束了，本文的学习资料是大佬Timothy老师的Python数据分析-pandas玩转Excel
有问题欢迎评论区指正，觉得有用的拜托点个赞再走呗~这个对我真的很重要，谢谢！
