pandas 是基于python語言的數據分析處理庫，使用廣泛。本文主要參考pandas的官方入門指導，并結合自己入門使用的一些常用操作進行說明。
pandas通常和numpy結合使用，一般通過如下語句導入numpy和pandas庫。

import numpy as np
import pandas as pd

一. pandas 數據結構

pandas提供兩類基本數據結構，即series和dataframe。

1.1 series

series 是一維帶標簽的數組，可以存放整形, 字符串, python object 等類型。
可以通過如下方式傳入一個列表來創建series:

In [3]: s = pd.Series([1, 3, 5, np.nan, 6, 8])In [4]: s
Out[4]: 
0    1.0
1    3.0
2    5.0
3    NaN
4    6.0
5    8.0
dtype: float64

1.2 dataframe

有行和列的二維數據結構。

DataFrame 可以傳入數組創建，也可以傳入字典進行創建。

In [5]: dates = pd.date_range("20130101", periods=6)In [6]: dates
Out[6]: 
DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04','2013-01-05', '2013-01-06'],dtype='datetime64[ns]', freq='D')In [7]: df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list("ABCD"))In [8]: df
Out[8]: A         B         C         D
2013-01-01  0.469112 -0.282863 -1.509059 -1.135632
2013-01-02  1.212112 -0.173215  0.119209 -1.044236
2013-01-03 -0.861849 -2.104569 -0.494929  1.071804
2013-01-04  0.721555 -0.706771 -1.039575  0.271860
2013-01-05 -0.424972  0.567020  0.276232 -1.087401
2013-01-06 -0.673690  0.113648 -1.478427  0.524988

通過字典的方式創建，字典的keys 即為DataFrame的列標簽，字典的值即為DataFrame的值。

In [9]: df2 = pd.DataFrame(...:     {...:         "A": 1.0,...:         "B": pd.Timestamp("20130102"),...:         "C": pd.Series(1, index=list(range(4)), dtype="float32"),...:         "D": np.array([3] * 4, dtype="int32"),...:         "E": pd.Categorical(["test", "train", "test", "train"]),...:         "F": "foo",...:     }...: )...: In [10]: df2
Out[10]: A          B    C  D      E    F
0  1.0 2013-01-02  1.0  3   test  foo
1  1.0 2013-01-02  1.0  3  train  foo
2  1.0 2013-01-02  1.0  3   test  foo
3  1.0 2013-01-02  1.0  3  train  foo

DataFrame 的每一列數據的格式相同，可以通過dtypes 方法獲取

In [11]: df2.dtypes
Out[11]: 
A          float64
B    datetime64[s]
C          float32
D            int32
E         category
F           object
dtype: object

使用IPython，可以通過tab獲取DataFrame的列名稱以及公共屬性。

二. 數據查看

2.1 head 和tail方法，查看頭部和尾部的行數據

In [13]: df.head()
Out[13]: A         B         C         D
2013-01-01  0.469112 -0.282863