在本章中，我们将介绍如何安装 Pandas 并开始使用其基本功能。 本书的内容以 IPython 和 Jupyter 笔记本的形式提供，因此，我们还将快速使用这两种工具。
本书将利用 Continuum 的 Anaconda 科学 Python 发行版。 Anaconda 是流行的 Python 发行版，其中包含免费和付费组件。 Anaconda 提供了跨平台支持，包括 Windows，Mac 和 Linux。 Anaconda 的基本发行版安装了 Pandas，IPython 和 Jupyter 笔记本，因此入门非常简单。
本章将涵盖以下主题：
- 安装 Anaconda，Pandas 和 IPython/Jupyter 笔记本
- 使用 IPython 和 Jupyter 笔记本
- Jupyter 及其笔记本
- 设置您的 Pandas 环境
- Pandas
Series和DataFrame快速入门 - 从 CSV 文件加载数据
- 生成 Pandas 数据的可视化
本书将使用 Anaconda Python 版本 3，特别是 3.6.1。 在撰写本文时，Pandas 的版本为 0.20.2。 默认情况下，Anaconda 安装程序将安装 Python，IPython，Jupyter 笔记本和 pandas。
可以从 Continuum Analytics 网站下载 Anaconda Python。 Web 服务器将识别您的浏览器的操作系统，并为您提供该平台的相应软件下载文件。
在浏览器中打开此 URL 时，将看到一个类似于以下内容的页面：
单击适合您平台的安装程序的链接。 这将为您提供类似于以下内容的下载页面：
下载 3.x 安装程序。 本书将使用的当前版本的 Anaconda 是 4.3.1，带有 Python 3.6.1：
这种情况经常发生变化，到您阅读本文时，它可能已经发生变化。
执行适合您平台的安装程序，完成后，打开命令行或终端并执行python命令。 您应该看到类似于以下内容（在 Mac 上是这样）：
您可以通过发出exit()语句退出 Python 解释器：
在终端或命令行中，您可以使用pip show pandas命令验证 Pandas 的安装版本：
已安装的当前版本被验证为 0.20.2。 请确保您使用的是 0.20.2 或更高版本，因为将使用此版本特定于 Pandas 的更改。
现在，我们已经安装了所需的一切，让我们继续使用 IPython 和 Jupyter 笔记本。
到目前为止，我们已经从命令行或终端执行了 Python。 这是 Python 随附的默认读取-求值-打印-循环（REPL）。 这可以用来运行本书中的所有示例，但是本书将使用 IPython 编写文本和代码包 Jupyter 笔记本中的语句。 让我们简要地看一下两者。
IPython 是用于与 Python 交互工作的备用 Shell。 它对 Python 提供的默认 REPL 进行了一些增强。
如果您想更详细地了解 IPython，请查看文档。
要启动 IPython，只需从命令行/终端执行ipython命令。 启动时，您将看到类似以下内容：
输入提示显示In [1]:。 每次在 IPython REPL 中输入一条语句时，提示中的数字都会增加。
同样，您输入的任何特定条目的输出都将以Out [x]:开头，其中x与相应的In [x]:的编号匹配。 以下屏幕截图演示了这一点：
in和out语句的编号对于示例很重要，因为所有示例都将以In [x]:和Out [x]:开头，以便您可以继续学习。
请注意，这些数字纯粹是连续的。 如果您遵循文本中的代码，并且输入中发生错误，或者输入其他语句，则编号可能会不正确（可以通过退出并重新启动 IPython 来重新设置编号）。 请纯粹将它们用作参考。
Jupyter 笔记本是 IPython 笔记本的演变。 它是一个开源 Web 应用，使您可以创建和共享包含实时代码，方程式，可视化和减价的文档。
最初的 IPython 笔记本仅限于 Python。 Jupyter 笔记本已发展为允许使用多种编程语言，包括 Python，R，Julia，Scala 和 F#。
如果您想更深入地了解 Jupyter 笔记本，请访问该页面，在该页面上将显示类似于以下内容的页面：
Jupyter 笔记本可以独立于 Python 下载和使用。 Anaconda 默认安装。 要启动 Jupyter 笔记本，请在命令行或终端上发出以下命令：
$ Jupyter 笔记本为了演示，让我们看一下如何运行文本附带的示例代码。 从 Packt 网站下载代码，然后将文件解压缩到您选择的目录中。 在目录中，您将看到类似于以下内容的以下内容：
现在发出jupyter notebook命令。 您应该看到类似于以下内容：
将打开一个浏览器页面，显示 Jupyter 笔记本主页，即http://localhost:8888/tree。 这将打开一个显示该页面的 Web 浏览器窗口，该窗口将是类似于以下内容的目录列表：
单击.ipynb链接可打开笔记本页面。 如果打开本章的笔记本，您将看到类似于以下内容：
显示的笔记本是 Jupyter 和 IPython 生成的 HTML。 它由许多单元格组成，可以是四种类型之一：代码，Markdown，原始 nbconvert 或标题。 本书中的所有示例均使用代码或减价单元。
Jupyter 为每个笔记本运行一个 IPython 内核。 包含 Python 代码的单元在该内核中执行，结果作为 HTML 添加到笔记本中。
双击任何单元格将使该单元格可编辑。 编辑完单元格的内容后，按Shift + Enter，此时 Jupyter/IPython 将求值内容并显示结果。
如果您想进一步了解构成页面基础的笔记本格式，请参阅这里。
笔记本顶部的工具栏为您提供了许多操作笔记本的功能。 其中包括在笔记本中上下移动，增加和删除单元格。 还提供用于运行单元，重新运行单元以及重新启动基础 IPython 内核的命令。
要创建一个新笔记本，请转到“新笔记本 -> Python3”：
将在新的浏览器选项卡中创建一个新的笔记本页面。 其名称将为无标题：
笔记本包含一个准备好输入 Python 的代码单元。 在单元格中输入1 + 1并按Shift + Enter执行。
该单元已执行，结果显示为Out [1]:。 Jupyter 还打开了一个新单元，供您输入更多代码或减价。
Jupyter 笔记本会每分钟自动保存您的更改，但是偶尔一次手动保存仍然是一件好事。
让我们开始使用一些 Pandas，并简要介绍一下 Pandas 的两个主要数据结构Series和DataFrame。 我们将检查以下内容：
- 将 Pandas 导入您的应用
- 创建和操纵 Pandas
Series - 创建和操纵 Pandas
DataFrame - 将数据从文件加载到
DataFrame
我们将使用的每个笔记本都首先导入 Pandas 和其他几个有用的 Python 库。 它还将设置几个选项来控制 Pandas 如何在 Jupyter 笔记本中渲染输出。 该代码包含以下内容：
第一条语句导入 NumPy 并将库中的项目引用为np.。 在本书中，我们不会对 NumPy 进行详细介绍，但有时需要使用。
第二次导入使 Pandas 可用于笔记本。 我们将使用pd.前缀引用库中的项目。 from pandas import Series, DataFrame语句将Series和DataFrame对象显式导入到全局名称空间中。 这使我们可以在没有pd的情况下引用Series和DataFrame。 字首。 这很方便，因为我们会经常使用它们，这样可以节省很多键入时间。
import datetime语句引入了datetime库，该库通常在 Pandas 中用于时间序列数据。 它将包括在每个笔记本的导入中。
pd.set_option()函数调用设置选项，这些选项通知笔记本如何显示 Pandas 的输出。 第一个告诉状态将Series和DataFrame输出呈现为文本而不是 HTML。 接下来的两行指定要输出的最大列数和行数。 final 选项设置每行中输出的最大字符数。
敏锐的眼睛可能会注意到此单元格没有Out [x]:。 并非所有单元（或 IPython 语句）都会生成输出。
如果您希望使用 IPython 代替 Jupyter 笔记本进行后续操作，则还可以在 IPython Shell 中执行此代码。 例如，您可以简单地从笔记本单元中剪切并粘贴代码。 这样做可能如下所示：
IPython shell 足够聪明，可以知道您要插入多行并且会适当缩进。 并且请注意，在 IPython shell 中也没有Out [x]:。 pd.set_option不返回任何内容，因此没有注释。
Pandas Series是 Pandas 的基本数据结构。 序列与 NumPy 数组相似，但是它的不同之处在于具有索引，该索引允许对项目进行更丰富的查找，而不仅仅是从零开始的数组索引值。
以下从 Python 列表创建一个序列。：
输出包括两列信息。 第一个是索引，第二个是Series中的数据。 输出的每一行代表索引标签（在第一列中），然后代表与该标签关联的值。
由于创建此Series时未指定索引（接下来将要执行的操作），因此 pandas 自动创建一个整数索引，该索引的标签从 0 开始，对于每个数据项加 1。
然后，可以使用[]运算符访问Series对象的值，并传递所需值的标签。 以下内容获取标签1的值：
这看起来很像许多编程语言中的常规数组访问。 但是，正如我们将看到的那样，索引不必从 0 开始，也不必递增 1，并且可以是许多数据类型，而不仅仅是整数。 以这种方式关联灵活索引的能力是 Pandas 的巨大超级能力之一。
通过在 Python 列表中指定它们的标签，可以检索多个项目。 以下内容检索标签1和3上的值：
通过使用index参数并指定索引标签，可以使用用户定义的索引创建Series对象。 下面的代码创建一个Series，其值相同，但索引由字符串值组成：
现在，那些字母数字索引标签可以访问Series对象中的数据。 以下内容检索索引标签'a'和'd'上的值：
仍然可以通过基于[0]的数字位置引用此Series对象的元素。 ：
我们可以使用.index属性检查Series的索引：
索引实际上是一个 Pandas 对象，此输出向我们显示了索引的值和用于索引的数据类型。 在这种情况下，请注意索引中的数据类型（称为dtype）是对象而不是字符串。 我们将在本书的后面部分研究如何更改此设置。
Series在 Pandas 中的常见用法是表示将日期/时间索引标签与值相关联的时间序列。 下面通过使用pd.date_range() pandas 函数创建日期范围来说明这一点：
这在 Pandas 中创建了一个称为DatetimeIndex的特殊索引，这是一种特殊的 Pandas 索引，经过优化可对带有日期和时间的数据进行索引。
现在，让我们使用该索引创建一个Series。 数据值表示特定日期的高温：
这种带有DateTimeIndex的序列称为时间序列。
我们可以使用日期作为字符串来查询特定数据的温度：
两个Series对象可以通过算术运算相互应用。 以下代码创建第二个Series并计算两者之间的温度差：
对两个非标量值的Series对象进行算术运算（+，-，/，*，...）的结果将返回另一个Series对象。
由于索引不是整数，因此我们还可以通过从 0 开始的值来查找值：
最后，Pandas 提供了许多描述性的统计方法。 例如，以下内容返回温度差的平均值：
Pandas Series只能与每个索引标签关联一个值。 要使每个索引标签具有多个值，我们可以使用一个数据帧。 一个数据帧代表一个或多个按索引标签对齐的Series对象。 每个序列将是数据帧中的一列，并且每个列都可以具有关联的名称。
从某种意义上讲，数据帧类似于关系数据库表，因为它包含一个或多个异构类型的数据列（但对于每个相应列中的所有项目而言都是单一类型）。
以下创建带有两列的DataFrame对象，并使用温度Series对象：
产生的数据帧有两列，分别为Missoula和Philadelphia。 这些列是数据帧中包含的新Series对象，具有从原始Series对象复制的值。
可以使用带有列名或列名列表的数组索引器[]访问DataFrame对象中的列。 以下代码检索Missoula列：
下面的代码检索Philadelphia列：
列名称的 Python 列表也可以用于返回多个列：
与Series对象相比，DataFrame对象存在细微的差异。 将列表传递给DataFrame的[]运算符将检索指定的列，而Series将返回行。
如果列名没有空格，则可以使用属性样式进行访问：
数据帧中各列之间的算术运算与多个Series上的算术运算相同。 为了演示，以下代码使用属性表示法计算温度之间的差异：
只需通过使用数组索引器[]表示法将另一Series分配给一列即可将新列添加到DataFrame。 以下内容在DataFrame中添加了带有温度差的新列：
可通过.columns属性访问DataFrame中的列名：
可以切片DataFrame和Series对象以检索特定的行。 以下是第二到第四行温度差值的切片：
可以使用.loc和.iloc属性检索数据帧的整个行。 .loc确保按索引标签查找，其中.iloc使用从 0 开始的位置。
以下内容检索数据帧的第二行：
请注意，此结果已将行转换为Series，数据帧的列名称已透视到结果Series的索引标签中。 下面显示了结果的结果索引：
可以使用.loc属性通过索引标签显式访问行。 以下代码通过索引标签检索一行：
可以使用整数位置列表选择DataFrame对象中的特定行。 以下从Difference列的整数位置1，3和5的行中选择值：
可以基于应用于每行中数据的逻辑表达式来选择数据帧的行。 以下显示Missoula列中大于82度的值：
然后可以将表达式的结果应用于数据帧（和序列）的[]运算符，这仅导致返回求值为True的表达式的行：
该技术在 pandas 术语中称为布尔选择，它将构成基于特定列中的值选择行的基础（例如在 SQL 中使用WHERE子句的查询 -- 但我们将看到它更强大）。
Pandas 库提供了方便地从各种数据源中检索数据作为 Pandas 对象的工具。 作为一个简单的例子，让我们研究一下 Pandas 以 CSV 格式加载数据的能力。
本示例将使用随本书的代码data/goog.csv提供的文件，该文件的内容表示 Google 股票的时间序列财务信息。
以下语句使用操作系统（从 Jupyter 笔记本或 IPython 内部）显示此文件的内容。 您将需要使用哪个命令取决于您的操作系统：
可以使用pd.read_csv()函数将这些信息轻松导入DataFrame：
pandas 不知道文件中的第一列是日期，并且已将Date字段的内容视为字符串。 可以使用以下 pandas 语句对此进行验证，该语句以字符串形式显示Date列的类型：
the pd.read_csv()函数的parse_dates参数可指导 Pandas 如何将数据直接转换为 Pandas 日期对象。 以下通知 Pandas 将Date列的内容转换为实际的TimeStamp对象：
如果我们检查它是否有效，我们会看到日期为Timestamp：
不幸的是，这没有使用日期字段作为数据帧的索引。 而是使用默认的从零开始的整数索引标签：
请注意，这现在是RangeIndex，在以前的 Pandas 版本中，它应该是整数索引。 我们将在本书的后面部分探讨这种差异。
可以使用pd.read_csv()函数的index_col参数将其固定，以指定应将文件中的哪一列用作索引：
现在索引是DateTimeIndex，它使我们可以使用日期查找行。
我们将在第 14 章“可视化”中深入研究可视化，但是在此之前，我们偶尔会对 Pandas 中的数据进行快速可视化。 使用 Pandas 创建数据可视化非常简单。 所有需要做的就是调用.plot()方法。 下面通过绘制股票数据的Close值进行演示：
在本章中，我们安装了 Python 的 Anaconda Scientific 版本。 这还将安装 pandas 和 Jupyter 笔记本，为您设置执行数据处理和分析的环境，并创建用于可视化，呈现和共享分析的笔记本。
我们还对 Pandas Series和DataFrame对象进行了介绍，展示了一些基本功能。 该博览会向您展示了如何执行一些基本操作，以便在深入学习所有细节之前可以用来启动和运行 Pandas。
在接下来的几章中，我们将深入研究Series和DataFrame的操作，下一章将重点介绍Series。