主页目录
pandas 教程
看过来
《pandas 教程》 持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》 和 《Python之光》。
pandas 是一个强大的分析结构化数据的工具，它基于 NumPy（提供高性能的矩阵运算三方库），是 Python 数据挖掘和数据分析领域的事实标准三方库。
教程特色
学习者的背景
本教程针对 0 经验、无任何编程背景人员，不需要去先学习 Python 和 NumPy 库，可参考下节的「pandas 概览」中关于学习方法的说明。
本 pandas 中文教程从 0 开始，尽力为 0 基础，包括没有 python 经验的非技术背景同学掌握利用 pandas 数据分析和数据处理。可作为 pandas 入门进阶课程、pandas 中文手册、用法大全，配有案例讲解和速查手册。
同时本教程不会涉及各种技术理论、不去探究技术原理，深入浅出Pandas讲解，让真正 0 基础的菜鸟直接来学习使用 pandas 。本教程会持续更新，可做为 pandas 学习培训教材。
加油！让我们一起出发，GO！
最新更新
教程目录
- - 入门 pandas
- ~ pandas 中文简介
- ~ 安装及环境搭建
- ~ 安装 pandas
- ~ 快速入门
- ~ 数据结构
- ~ NumPy 基础用法
- ~ 生成数据对象
- ~ 序列 Series
- ~ 数据框 DataFrame
- ~ 数据类型 dtypes
- - 基础功能
- ~ pandas 功能介绍
- ~ 文件读取和导出 有更新
- ~ 索引 Indexing
- ~ 数据的信息
- ~ 数学统计
- ~ 求值计算
- ~ 查询筛选数据
- ~ 数据类型转换
- ~ 数据排序
- ~ 数据添加修改
- ~ 删除数据
- ~ 数据迭代
- ~ 函数应用
- - 多层索引 MultiIndex
- ~ 多层次索引 MultiIndex
- ~ 创建分层索引对象
- ~ 多层索引对象的操作
- ~ 多层索引数据查询
- ~ 多层索引的分组
- - 数据合并
- ~ 数据合并场景和操作
- ~ 数据连接 concat
- ~ 多文件数据合并
- ~ 数据追加 df.append
- ~ 连接数据 pd.merge
- ~ 时序数据合并
- ~ 逐元素合并
- ~ 数据对比
- - 数据清洗
- ~ 数据清洗操作
- ~ 缺失值的判定
- ~ 缺失值参与计算
- ~ 缺失值填充
- ~ 缺失值删除
- ~ 插值填充
- ~ 数据替换
- ~ 缺失值 NA 标量
- ~ 重复值
- - 分组聚合
- ~ pandas 的聚合分组
- ~ Group By 基础使用
- ~ 分组对象及创建
- ~ 分组聚合统计
- ~ 分组应用函数
- ~ 分组对象的操作
- ~ 分组器 Grouper
- ~ 数据分箱
- - 数据重塑透视
- ~ pandas 重塑透视
- ~ 数据透视 Pivot Table
- ~ 数据堆叠 Stack
- ~ 交叉表 Crosstab
- ~ 数据融合 Melt
- ~ 虚拟变量/哑变量
- ~ 数据转置 df.T
- ~ 因子化（枚举化）值
- ~ 爆炸序列
- ~ 转为 NumPy ndarray
- - 时间日期
- ~ pandas 时间日期
- ~ 时间基本概念
- * 时间序列数据类型
- * 固定时间
- * 时间的属性操作
- * 时间类型转换
- * 时间范围
- * 时间序列索引
- * 时序数据方法
- ~ 时间偏移
- * 时间偏移对象
- * 序列、索引和时间偏移
- * 自定义工作日
- * 时间偏移量别名
- * 锚定偏移
- * 假期日历
- ~ 时间增量/时长
- * 时长频率单位转换
- * 时长的属性
- * 时长索引
- ~ 时间跨度
- * 周期的操作
- * 周期类型及转换
- * 周期索引
- * 超出时间戳范围时间
- ~ 时间重采样
- ~ 时间类型之间的转换
- ~ 时区
- ~ 区间间隔 Interval
- - 文本处理
- ~ pandas 文本处理
- ~ 文本数据类型
- ~ 字符的操作方法
- ~ 文本分割
- ~ 文本替换
- ~ 文本连接
- ~ 文本查询匹配
- ~ 文本常用方法
- - 样式
- ~ pandas 样式
- ~ 内置样式
- ~ 显示格式
- ~ 样式配置操作
- ~ 样式应用函数
- ~ 带样式文件的导出
- - 可视化
- ~ pandas 可视化
- ~ Plot 绘图
- ~ Plotting 绘图模块
- ~ 使用 Bokeh 可视化
- ~ matplotlib pyplot 绘图功能
- ~ 使用 Plotly 可视化
- ~ Pyecharts 可视化绘图库
- - 分类数据
- ~ pandas 分类数据
- ~ 分类数据创建
- ~ 分类数据的使用
- ~ 分类数据的顺序
- ~ 分类数据处理
- ~ 分类数据的操作
- ~ 类别数据的读取
- - 窗口计算
- ~ pandas 窗口计算
- ~ 移动窗口函数 rolling
- ~ 时间类型移动窗口
- ~ 扩展窗口函数 expanding
- - 相关功能
- ~ Copy-on-Write 机制
- ~ 常用函数方法介绍
- ~ 相关配置
- ~ 异常和警告
- ~ 函数 api 大全
- ~ 生成测试数据
- - 附录
- ~ 超大数据处理
- ~ 链式方法
- ~ pandas 应用案例
- ~ pandas 练习题
- ~ pandas 速查手册
- ~ pandas 简明课程
- ~ 教程更新日志
教程背景
目前市面上的 Python 培训课程中，pandas 库的学习需求旺盛，各行业的办公人员，需要大量处理分析 Excel 数据表格，特别互联网行业的数据分析师、运营人员、产品经理等与数据密切，都在竞相学习，期望在大数时代以数据驱动业务、驱动管理的背景下，增加竞争力，提高工作效率，拓展对数据的新认识。
由于 pandas 官方教程为英文，市面中文教程又不成体系，无法从实际使用出发，大多都是技术人员编写，对初学者不友好，故作为在一线深度使用 pandas 的非技术岗位的作者萌发了编写此 pandas 中文教程的想法。
更新时间：2024-11-27 14:53:10 标签：pandas python 数据分析 教程
