一个好的机器学习者，首先是一个更好的数据分析者，对于数据分析而言，一个很好用的开源库可以说是pandas库了。而pandas则是基于numpy,再开发的。学好pandas,走遍天下都不怕。
对于pandas而言，有三大数据结构，其中最主要的二个数据结构，分别为series和dataframe， 还有一个为Panel。其实主要说的还是前二种。贴一个学习的链接。https://www.yiibai.com/pandas/python_pandas_data_structures.html#article-start
对于Series而言：
是一维的数据。其实对于series而言，类似于字典，也就是键值对。
因为pandas是建立在numpy之上的，所以有很多的性质，二者是类似的。还是基于几个方面来介绍Series。
一，Series的创建
1）采用默认的索引的方式来创建
2）采用自定义的方式来创建（默认的索引，implicit index;自定义的索引，explicit index）
3）通过字典来创建(通过name来给series数据起名字)
import numpy as np
import pandas as pd
data = pd.Series([1, 2, 3.0, np.nan])
print list(data.items())
print data.index
print data.values
print data
data1 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
print data1['a'], data1[0]
dic = {'beijing': 100, 'tianjin': 120, 'shanghai': 150}
data2 = pd.Series(dic)
print data2['beijing'], data2[0]
print data2[['beijing', 'shanghai']]二，基本的操作
1）masking (与numpy类似，可以进行逻辑运算)
2）索引（单个索引，可以通过implicit index进行，也可以通过explicit index进行；对于多个索引，要构建为list之后，统一操作）
3）切片（在使用implicit index时，跟普通的slicing是没有区别的，已经是前闭后开，但利用explicit index的时候，则前闭后闭）
4）自定义的index和内置的index区分度不大，也就是都是整数时，当我们切片的时候，默认用的implicit index,而索引的时候，默认用的是explicit index。
为了避免自己的困惑，我们使用的明确的指示。
对于series.loc[1:3]采用的是explicit index
对于series.iloc[1:3]采用的是implicit index
5）运算
对于二个Series而言，做加减乘除运算的时候，对于相同的index进行运算，不相同的补全为np.nan来进行表示。
可以采用add（）函数中的fill_value 来进行缺失值的补全。
对于DataFrame而言：
是多特征数据。下面主要介绍其的二维情况下的应用。
一，DataFrame的创建
1) 利用字典的形式，拼接二个Series来进行
二个Series有公共的index,则合并，没有的话，则拼接，缺失的利用nan来进行补全
DataFrame的index为二个Series的index的并集，columns为拼接Series时字典的名字
import pandas as pd
dic = {'beijing': 100, 'tianjin': 120, 'shanghai': 150}
data = pd.Series(dic)
dic1 = {'beijing': 1, 'tianjin': 2, 'shanghai': 3}
data1 = pd.Series(dic1)
city = pd.DataFrame({'p': data, 'a': data1})
dic2 = {'1': 1, '2': 2, '3': 3}
data2 = pd.Series(dic2)
a = pd.DataFrame({'h': data, 'l': data2})
print city
print city.index
print city.columns
print a
print a.index
print a.columns
2）根据list of dictionaries来创建
此时没有dictionary的index来作为了dataframe的columns， 我们没有指定index, 默认给了0,1的数字。
import pandas as pd
city = pd.DataFrame([{'beijing': 100, 'tianjin': 120, 'shanghai': 150}, {'beijing': 1, 'tianjin': 2, 'shanghai': 3}])
print city
print city.index
print city.columns
3）利用numpy来创建
此时自己指定index和columns的情况。
import numpy as np
import pandas as pd
a = np.array([[1, 2], [1, 3], [1, 4]])
city = pd.DataFrame(a, index=['a', 'b', 'c'], columns=['1', '2'])
print city
print city.index
print city.columns
注意注意：对于DataFrame而言，index和columns的名字是不可修改的，修改的话会报错，而对于内含的数据是可以修改的。
index和columns，类似于set, 一般不应该出现相同的元素，若出现相同的元素，进行并或者与运算的时候，可能会出现意想不到的错误，也就是没有办法保证正确性（行为难以预测）。
二， DataFrame的操作
1）转置，（.T）将其row和columns倒转
2）切片和索引
利用iloc，使用的是内置的index，利用loc，使用的是自定义的index，并且，因为DataFrame是二维的情况，所以在进行切片和索引的时候，要考虑二个维度的数据。
同理，使用iloc的时候是前闭后开，使用loc的时候是前闭后闭。
此时注意的一点是：
对于取某一行，不能采用单纯的类似于切片的方法，会报错的。city[0] 错。。但切片的时候利用city[0:2]不会出错，选择的是前二行。
对于单独的取一列，是可以类似用切片的方法来进行的city['b']
3）bool masking
city[city['2']>1]来选出满足要求列要求的行的情况。
4）运算
对于二个DataFrame的加减乘除而言，也是，相同的columns进行运算，不同的进行nan补全。
同样add()中的fill_value也是可以填充自己想要填充的值
想要进行列的减法或者加法，利用substract()或者add()中，设置axis=0即可。
计算平均值dataframe.stack().mean()
stack()，unstack()方法， 均是对pandas数据进行重排，具体详见：https://www.cnblogs.com/bambipai/p/7658311.html
merge(df1, df2, on=‘*’)用*的列索引来合并二个DataFrame
merge(df1, df2, left_on='*', right_on='**')左边df1采用的*属性，右边df2采用的**属性来进行合并
drop('*', axis=1)丢掉*这一列
5）注意的点
None和nan, 都代表null， 二者均不影响运算，但影响运算速度，对于None， 是Python的object， 包裹了很多层，所以运行速度超级慢，而对于nan， 则是np的对象，是很快的。
在pandas（np）中，若其他值为number，给一个数据赋值为None, 则系统自动改变为nan(not a number)
在pandas（np）中，若其他值不为number, 给一个数据赋值为None, 则系统仍存储为None
利用pandas来读取文件
这是pandas应用的一个很重要的场景
1）read_csv（默认分隔符为逗号，）
2）read_table（默认分隔符为制表符\t）
3）read_excel（读取xlsx文件）
贴一个链接：https://blog.csdn.net/sinat_29957455/article/details/79054126