简介
下面内容为github作者的Pandas学习笔记，目前是我看到最好的资料，没有之一。搬砖：
https://github.com/datawhalechina/joyful-pandas/blob/master/README.md github.comJoyful-Pandas
【本教程与Pandas官方最新发行版本保持同步，当前版本：v-1.0.3】
【注意】使用教程前请务必将Pandas升级到最新版本，否则可能会有代码运行报错
一、写作初衷
在使用Pandas之前，几乎所有的大型表格处理问题都是用xlrd/xlwt和python循环实现，虽然这已经几乎能完成一切的需求，但其缺点也显而易见，其一就是速度问题，其二就是代码的复用性几乎为0。
曾经也尝试过去零星地学Pandas，但不得不说这个包实在太过庞大，每次使用总觉得盲人摸象，每个函数的参数也很多，学习的路线并不是十分平缓。如果你刚刚上手使用Pandas，那么在碎片的学习过程中，报错是常常发生的事，并且很难修（因为不理解内部的操作），即使修好了下次又不会，令人有些沮丧。
2019秋季，我偶然找到了一本完全关于Pandas的书，Theodore Petrou所著的Pandas Cookbook，现在可在网上下到pdf，不过现在还没有中文版。寒假开始后，立即快速地过了一遍，发现之前很多搞不清的概念得到了较好的解答，逐步地再对着User Guide一字一句查看，最后总算是建立了大的一些宏观概念。
最关键的一步，我想是通读了官方User Guide的绝大部分内容，这可能是非常重要的一个台阶，毕竟官方的教程总是会告诉你重点在哪里。因此，经过了一段时间的思考，结合了Wes Mckinney（Pandas之父）的Python for Data Analysis、先前提到的Pandas Cookbook和官方的User Guide，由此想按照自己的思路编一套关于Pandas的教程，完整梳理Pandas的主线内容，杜绝浅尝辄止，保证涉及每个部分的核心概念和函数。最后，希望达到的境界自然是“所写所得即所想”，这大概需要更多的实践，也是努力实现的目标方向。
关于项目的名字，我想原先使用Pandas时非常的痛苦（Painful），那现在是时候转变为“Joyful-Pandas”了！
二、编排思路
本项目共有十章，可以大致分为4个板块：Pandas基础、四类操作、四类数据、例子。
1、拿到数据必然先要读取它，分析完了数据必然是要保存它，读取了数据之后，我们面对了怎样的对象（Series? or Dataframe?）是第一重要的课题，因此了解序列和数据框的常规操作及其组件（component）便是必须涉及的内容。
2、对于一个DataFrame而言，如果一个操作使得它的元素信息减少了，那就对应了索引，即第二章的内容；如果这个操作使得数据的信息被充分地使用，那有两种可能，第一是数据被分组，从组内提取了关键的信息，第二就是数据呈现的结构或形态上的变化，使得我们更容易地能够地进一步处理数据，这两者分别对应了第三章与第四章的内容；最终如果一个操作使得原本不属于这个数据框的信息被加入了进来，那往往是涉及到了合并操作，对应了第五章的内容。从数据信息增减的角度，拆解成了3个板块，4个章节，几乎串联其了官方文档关于数据框操作的全部内容，我想这样的安排是合适的。
3、如果说前面我们关心了序列和数据框这两种容器的结构和操作，那么下面就要关心其中的元素。其中，将涉及四类特殊的数据类型：缺失型数据、文本型数据、分类型数据和时间序列型数据，分别对应了6-9章的内容，并且在缺失型数据和文本型数据中，将详细涉及Pandas1.0版本新的Nullable和string数据类型，这也是从0.x升级后具有最大改动的方面。
4、正如前面所说，Pandas的学习往往是任务驱动型，一个操作或者某个方法，不去使用自然会很快地忘记（除非你天赋异禀！），因此我前九章都会添加“问题和练习”的部分。其中，问题中出现的往往是对于教程中某个细节的深入与补充，或者是关于这一章函数方法的实践理解，希望你能够查阅相关资料阅读以解决问题；而练习部分包含了两个综合题（两个的不同案例），相当于对前面所学的综合运用，虽不是非常复杂，但是想要全完成，还是需要花一些功夫。最终，在第10章中会添加若干难度不一的综合问题（不定期更新）。
基于完整性，我为所有的练习写了参考答案，当然它不一定是优秀的解析，但是不失为一种提示与策略。
最后，祝你有所收获！
三、内容导航
| 章节 | 小节 | 内容 | | ------------------------------------------------------------ | ------------------------------------------------------------ | ------------------------------------------------------------ | | 第1章 Pandas基础 | 一、文件读取与写入 | 1. 读取 | | | | 2. 写入 | | | 二、基本数据结构 | 1. Series | | | | 2. DataFrame | | | 三、常用基本函数 | 1. head和tail | | | | 2. unique和nunique | | | | 3. count和value_counts | | | | 4. describe和info | | | | 5. idxmax和nlargest | | | | 6. clip和replace | | | | 7. apply函数 | | | 四、排序 | 1. 索引排序 | | | | 2. 值排序 | | | 五、问题与练习 | 1. 问题 | | | | 2. 练习 | | 第2章 索引 | 一、单级索引 | 1. loc方法、iloc方法、[]操作符 | | | | 2. 布尔索引 | | | | 3. 快速标量索引 | | | | 4. 区间索引 | | | 二、多级索引 | 1. 创建多级索引 | | | | 2. 多层索引切片 | | | | 3. 多层索引中的slice对象 | | | | 4. 索引层的交换 | | | 三、索引设定 | 1. index_col参数 | | | | 2. reindex和reindex_like | | | | 3. set_index和reset_index | | | | 4. rename_axis和rename | | | 四、常用索引型函数 | 1. where函数 | | | | 2. mask函数 | | | | 3. query函数 | | | 五、重复元素处理 | 1. duplicated方法 | | | | 2. drop_duplicates方法 | | | 六、抽样函数 | 抽样函数 | | | 七、问题与练习 | 1. 问题 | | | | 2. 练习 | | 第3章 分组 | 一、SAC过程 | 1. 内涵 | | | | 2. apply过程 | | | 二、groupby函数 | 1. 分组函数的基本内容 | | | | 2. groupby对象的特点 | | | 三、聚合、过滤和变换 | 1. 聚合（Aggregation） | | | | 2. 过滤（Filteration） | | | | 3. 变换（Transformation） | | | 四、apply函数 | 1. apply函数的灵活性 | | | | 2. 用apply同时统计多个指标 | | | 五、问题与练习 | 1. 问题 | | | | 2. 练习 | | 第4章 变形 | 一、透视表 | 1. pivot | | | | 2. pivot_table | | | | 3. crosstab（交叉表） | | | 二、其他变形方法 | 1. melt | | | | 2. 压缩与展开 | | | 三、哑变量与因子化 | 1. Dummy Variable（哑变量） | | | | 2. factorize方法 | | | 四、问题与练习 | 1. 问题 | | | | 2. 练习 | | 第5章 合并 | 一、append与assign | 1. append方法 | | | | 2. assign方法 | | | 二、combine与update | 1. comine方法 | | | | 2. update方法 | | | 三、concat方法 | concat方法 | | | 四、merge与join | 1. merge函数 | | | | 2. join函数 | | | 五、问题与练习 | 1. 问题 | | | | 2. 练习 | | 第6章 缺失数据 | 一、缺失观测及其类型 | 1. 了解缺失信息 | | | | 2. 三种缺失符号 | | | | 3. Nullable类型与NA符号 | | | | 4. NA的特性 | | | | 5. convert_dtypes方法 | | | 二、缺失数据的运算与分组 | 1. 加号与乘号规则 | | | | 2. groupby方法中的缺失值 | | | 三、填充与剔除 | 1. fillna方法 | | | | 2. dropna方法 | | | 四、插值（interpolation） | 1. 线性插值 | | | | 2. 高级插值方法 | | | | 3. interpolate中的限制参数 | | | 五、问题与练习 | 1. 问题 | | | | 2. 练习 | | 第7章 文本数据 | 一、string类型的性质 | 1. string与object的区别 | | | | 2. string类型的转换 | | | 二、拆分与拼接 | 1. str.split方法 | | | | 2. str.cat方法 | | | 三、替换 | 1. str.replace的常见用法 | | | | 2. 子组与函数替换 | | | | 3. 关于str.replace的注意事项 | | | 四、子串匹配与提取 | 1. str.extract方法 | | | | 2. str.extractall方法 | | | | 3. str.contains和str.match | | | 五、常用字符串方法 | 1. 过滤型方法 | | | | 2. isnumeric方法 | | | 六、问题与练习 | 1. 问题 | | | | 2. 练习 | | 第8章 分类数据 | 一、category的创建及其性质 | 1. 分类变量的创建 | | | | 2. 分类变量的结构 | | | | 3. 类别的修改 | | | 二、分类变量的排序 | 1. 序的建立 | | | | 2. 排序 | | | 三、分类变量的比较操作 | 1. 与标量或等长序列的比较 | | | | 2. 与另一分类变量的比较 | | | 四、问题与练习 | 1. 问题 | | | | 2. 练习 | | 第9章 时序数据 | 一、时序的创建 | 1. 四类时间变量 | | | | 2. 时间点的创建 | | | | 3. DateOffset对象 | | | 二、时序的索引及属性 | 1. 索引切片 | | | | 2. 子集索引 | | | | 3. 时间点的属性 | | | 三、重采样 | 1. resample对象的基本操作 | | | | 2. 采样聚合 | | | | 3. 采样组的迭代 | | | 四、窗口函数 | 1. Rolling | | | | 2. Expanding | | | 五、问题与练习 | 1. 问题 | | | | 2. 练习 | | 第10章 不定期更新的例子 | 一、评委打分 | 方法一 | | | | 方法二 | | | | 方法三 | | | 二、企业收入熵指数 | 参考答案 | | | ... | ... | | 参考答案 | 第1章 | 练习一 | | | | 练习二 | | | 第2章 | 练习一 | | | | 练习二 | | | 第3章 | 练习一 | | | | 练习二 | | | 第4章 | 练习一 | | | | 练习二 | | | 第5章 | 练习一 | | | | 练习二 | | | 第6章 | 练习一 | | | | 练习二 | | | 第7章 | 练习一 | | | | 练习二 | | | 第8章 | 练习一 | | | | 练习二 | | | 第9章 | 练习一 | | | | 练习二 |
四、使用的版本
python: 3.7
numpy: 1.18.1
pandas: 1.0.3
matplotlib: 3.1.3
scipy：1.4.1
xlrd：1.2.0
openpyxl：3.0.3五、反馈
１、欢迎任何有益的建议或想法，可邮件(1801214626@qq.com)交流！
２、不免有错误，欢迎提Issues！
六、参考资料
1、Python for Data Analysis Wes McKinney著
2、Pandas Cookbook Theodore Petrou著
3、User Guide Pandas开发团队编写
来源：oschina
链接：https://my.oschina.net/u/4345075/blog/4330031