{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "# pandas概述"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "## 1. pandas简介"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<img src=\"images/ch8/9.png\" style=\"zoom:40%;\">"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    " pandas是一个建立在Python编程语言之上，快速、强大、灵活且易于使用的开源数据分析和操作工具，pandas名字衍生自术语“panel data”（面板数据）和“Python data analysis”（Python 数据分析）。\n",
    "\n",
    "pandas的优势在于：\n",
    "* 用于分析和操作大型结构化数据集的强大工具集\n",
    "* 基础是NumPy，提供了高性能矩阵的运算\n",
    "* 提供大量函数和方法，可以快速轻松地处理数据\n",
    "* 应用于数据挖掘、数据分析\n",
    "* 提供数据清洗功能\n",
    "\n",
    "本课程仅介绍常用部分，其余请查阅[pandas官方文档](https://pandas.pydata.org/docs/index.html)。\n",
    "\n",
    "通常推荐用以下的方式导入pandas，库名被缩写为pd是一个被广泛采用的约定。\n",
    "```python\n",
    "import pandas as pd\n",
    "```"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "##  2. pandas提供的数据结构"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "pandas库主要提供Series和DataFrame两类数据结构对象。\n",
    "\n",
    "* **Series**：Series是一维标记数组，可以存储任意数据类型，与Numpy中的数组（Array）相似数组中只允许存储相同的数据类型。Series增加了一个标签用于索引，使Pandas除了通过位置索引外，还可以通过标签索引进行元素存取。\n",
    "* **DataFrame**：DataFrame是二维标记数据结构，相当于表格。主体分数据和索引两部分。数据以行（Row）和列（Column）的表格方式排列，潜在的列可以是不同的数据类型。索引分行索引（Row Index）和列索引（Column Index）。\n",
    "\n",
    "Pandas 所有数据结构的值都是可变的，但数据结构的大小并非都是可变的，比如，Series 的长度不可改变，但 DataFrame 里就可以插入列。Pandas 里，绝大多数方法都不改变原始的输入数据，而是复制数据，生成新的对象。 一般来说，原始输入数据不变更稳妥。"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "<img src=\"images/ch8/10.png\" style=\"zoom:100%;\">"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {},
   "outputs": [],
   "source": []
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.7.5"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 2
}