pandas

pandas是基于NumPy的一种工具，该工具是为了解决数据分析任务而创建的。Pandas纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。^[1]你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。^[2]

Pandas是python的一个数据分析包，^[3]最初由AQR Capital Management于2008年4月开发，并于2009年底开源出来，目前由专注于Python数据包开发的PyData开发team继续开发和维护，属于PyData项目的一部分。Pandas最初被作为金融数据分析工具而开发出来，因此，pandas为时间序列分析提供了很好的支持。Pandas的名称来自于面板数据（panel data）和python数据分析（data analysis）。panel data是经济学中关于多维数据集的一个术语，在Pandas中也提供了panel的数据类型。

Series：一维数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近。Series如今能保存不同种数据类型，字符串、boolean值、数字等都能保存在Series中。

Time-Series：以时间为索引的Series。

DataFrame：二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。

Panel：三维的数组，可以理解为DataFrame的容器。

Panel4D：是像Panel一样的4维数据容器。

PanelND：拥有factory集合，可以创建像Panel4D一样N维命名容器的模块。

Pandas的开发始于2008年，由Wes McKinney在AQR资本管理公司开始，为了满足金融数据分析的需求。

2009年，Wes McKinney离开AQR之前，说服管理层将pandas开源。

2012年，Chang She加入项目，成为第二个主要贡献者。

2015年，pandas成为NumFOCUS的财务赞助项目。

2018年，举行了第一次面对面的“核心开发者冲刺”。

2022年，第三版《Python for Data Analysis》公开版在线发行。

pandas提供了快速而高效的DataFrame对象，用于凭借其集成的索引进行数据操纵。它的主要特征包括易于将不同索引的数据转换成DataFrame对象，大小可变性，自动和显式的数据对齐，处理缺失数据的能力，基于标签的分片，多重索引，数据集的归并和连接，分组功能，数据集的重制形状和枢轴汇总，层级标签的轴，强大的I/O工具，以及特定于时间序列的功能。pandas经过了高度的性能优化，关键代码路径用Cython或C语言写成。pandas可以利用PyArrow来扩展功能并增进各种API的性能。pandas的缺省绘图后端是matplotlib，还可以扩展上其他第三方绘图后端。进程内SQL OLAP列式数据库DuckDB，可以在pandas数据帧上执行SQL。

pandas提供了丰富的示例来展示其功能，包括基本的数据帧操作、数据帧与序列之间的运算、数据帧的查询、数据帧的重制形状、数据帧的串接和归并、数据帧的分组和聚合、数据帧的枢轴汇总，以及使用matplotlib绘制条形图。此外，pandas还提供了强大的数据导入和导出功能，支持多种文件格式，如CSV、JSON、HDF5、netCDF等。

pandas拥有健壮的I/O工具，可以从CSV、JSON、Parquet、SQL表和查询、Excel文件装载数据，并以极快的HDF5格式保存/装载数据。它还支持使用util-linux工具组成员column来查看CSV文件，使用jq编程语言实现jq来查看JSON文件，以及使用hdf5-tools工具组成员h5ls来查看HDF5文件。导出和导入netCDF文件可以借助xarray，它依赖于pandas，并通过netcdf4-python支持导入导出netCDF-4格式数据，通过SciPy支持其他版本netCDF格式。