学习过程主要依照中国MOOC课程，感谢MOOC，感谢北理授课大佬。

单元7：Pandas库入门

Pandas是提供高性能易用数据类型和分析工具的第三方python库，可以说是基于Numpy库。
import pandas as pd
Pandas提供两个数据类型：Series(一维)、DataFrame(二维及多维)，基于这两种数据类型，可以进行基本操作、运算操作、特征类操作、关联类操作等。

Series数据类型

Series类型由一组数据及与之相关的数据索引组成，索引与数据一一对应，索引可以自定义。

Series类型的创建

从Python列表创建，index与列表元素个数一致；
从标量值创建，此时不能省略index；
从字典类型创建，将字典直接赋给series；
从adarray类型创建；

Series类型的基本操作

由index和values两部分构成，操作类似于ndarray类型，也类似于Python字典类型。需要注意的是，numpy是基于维度的运算，而series是基于索引的运算。

DataFrame数据类型

DataFrame类型是由共同相同索引的一组列组成。其实是一个表格型的数据类型，每列值类型可以不同。其中既有行索引（index,axis=0），也有列索引(column,axis=1)。常用来表达二维数据。

DataFrame类型的创建

从二维ndarray创建；
从一维ndarray对象字典创建；
从列表类型的字典创建；

Pandas库数据类型操作

改变Series和DataFrame对象

增加或者重排：重新索引，通过.reindex()函数实现
删除：.drop()

Pandas库数据类型运算

算术运算

算术运算根据行列索引，补齐后运算，补齐时缺项填充NaN(空值)，运算默认产生浮点数，采用+-*/符号进行运算的二元运算将会产生新的对象，还可以使用方法形式进行运算，如.add()、.sub()、.mul()、.div()，这些均可以选择参数。
不同维度间的运算采用广播运算，默认在1轴。

比较运算

比较运算只能比较相同索引的元素，不进行补齐，采用><>=<=!=等符号进行运算的二元运算将会产生布尔对象。
不同维度间的运算采用广播运算，默认在1轴。

单元8：Pandas数据特征分析

数据的排序

.sort_index(axis=0,ascending=True)方法在指定轴上根据索引进行排序，默认升序。
.sort_values(axis=0,ascending=True)方法在指定轴上根据数值进行排序，默认升序。

数据的基本统计分析

基本同numpy相同。
.describe()方法可以针对0轴（各列）做统计汇总，包括非空计数、均值、方差等。

数据的累计统计分析

.cumsum()、.cumprod()、.cummax()、.cummin()，分别为依次给出前1、2、……、n个数的和、积、最大值、最小值。

滚动计算（窗口计算）：
.rolling(w).sum()、.rolling(w).mean()、.rolling(w).var()、.rolling(w).std()、.rolling(w).min()、.rolling(w).max(),分别为依次给出x相邻w个元素的和、平均值、方差、标准差、最大值、最小值。

数据的相关分析

.cov()，计算协方差矩阵；
.corr()，计算相关系数矩阵，Pearson、Spearman、Kendall等系数；

以上。

注：转载文章请注明出处，谢谢~