开始之前

本课程内容是什么？

自21世纪初以来，一个显著的趋势是Python在数据科学各个方面的广泛应用——包括数据获取、数据清洗、分析、机器学习和可视化。在这一领域中，pandas库得到了广泛采用。

根据其官方网站描述：“pandas是一个开源、遵循BSD许可证的库，为Python编程语言提供高性能、易于使用的数据结构和数据分析工具。”

本课程适合你吗？

本课程旨在介绍pandas，并探讨一系列符合最佳实践的模式与技术，以充分发挥其潜力。如果你需要处理表格数据，并且对Excel的功能感到不足，那么本课程非常适合你。课程将涵盖该库的许多（但并非全部）方面，以及一些可能令人意外或对长期使用Python的用户而言不够“Pythonic”的细节或陷阱。

注意： 本课程假设你已具备基本的Python知识。

什么是pandas？

pandas是一个内存中的数据分析工具。它具备类似SQL的语法结构，提供必要的统计与分析支持，以及绘图功能。由于pandas基于Cython和NumPy构建，其内存开销更小，运行速度远快于纯Python代码。

             

许多人使用pandas来替代Excel，执行ETL（提取、转换、加载）操作以迁移数据，处理表格数据，读取CSV或JSON文件，为机器学习做准备等。尽管pandas最初源于金融领域（用于时间序列分析），如今它已成为通用的数据处理库。

得益于其NumPy的背景，pandas继承了一些NumPy特有的用法，这些对普通Python程序员来说可能不熟悉或难以理解。当然，你可以选择使用Cython编写类似Python的快速类型化数据分析代码，但使用pandas时，这些工作已经由库自动完成。只要我们使用pandas和向量化操作，就能在编写Python代码的同时，实现接近C语言级别的数值计算性能。