1、说明

按索引匹配的广播机制，这里的广播机制与numpy广播机制还有很大不同。

便捷的数据读写操作，相比于numpy仅支持数字索引，pandas的两种数据结构均支持标签索引，包括bool索引也是支持的。

类比SQL的join和groupby功能，pandas可以很容易实现SQL这两个核心功能，实际上，SQL的绝大部分DQL和DML操作在pandas中都可以实现。

类比Excel的数据透视表功能，Excel中最为强大的数据分析工具之一是数据透视表，这在pandas中也可轻松实现。

自带正则表达式的字符串向量化操作，对pandas中的一列字符串进行通函数操作，而且自带正则表达式的大部分接口。

丰富的时间序列向量化处理接口。

常用的数据分析与统计功能，包括基本统计量、分组统计分析等。

集成matplotlib的常用可视化接口，无论是series还是dataframe，均支持面向对象的绘图接口。

2、实例

importnumpyasnp
importpandasaspd
#创建一个符合正态分布的10个股票5天的涨跌幅数据
stock_change=np.random.normal(0,1,(10,5))
pd.DataFrame(stock_change)
#添加行索引
stock=["股票{
}
    ".format(i)foriinrange(10)]
pd.DataFrame(stock_change,index=stock)
#添加列索引
date=pd.date_range(start="20200101",periods=5,freq="B")
data=pd.DataFrame(stock_change,index=stock,columns=date)

#属性
print(data.shape)
print(data.index)
print(data.columns)
print(data.values)
data.T#行列转置

#方法
data.head(3)#开头3行
data.tail(2)#最后2行

声明：本文内容由网友自发贡献，本站不承担相应法律责任。对本内容有异议或投诉，请联系2913721942#qq.com核实处理，我们将尽快回复您，谢谢合作！