Question

数据科学家往往青睐于表格数据（数组、矢量、矩阵）。表格数据具有很好的形式，可以方便地访问某个元素和某些行或列。超级计算机和许多现代高端个人电脑支持的矢量化算术运算，可以一次性作用在多个甚至所有表格项目上（第24单元给出了这种运算的numpy实现）。但是，numpy无法将数值数据本身与数据属性（比如列名、行名和索引）相绑定。正因为缺乏这样的参照物，使得同时使用多个numpy数组非常困难。

下面让我们进入pandas的世界。

pandas模块的初衷是为了给Python添加series和frames两个抽象的数据结构，它们其实是Python的竞争对手、最早的数据科学语言——R语言的核心。pandas以numpy为基础，对其进行了极大的扩展，并重新实现了部分功能。

pandas的frame本质上是一个“智能”电子表格：具有标签、列（变量）、行（观测记录），以及大量内置操作的表。（series是一个只有一列的frame。）表的数据部分（单元格）以numpy数组的方式实现。许多操作（例如数据变形和聚合，以及通用函数）也与numpy是类似的。通过行和列的标签，可以实现对行和列方便的、直截了当的访问。此外，标记的行和列允许pandas程序员（也就是我们）通过在“垂直”（堆叠）和“水平”（并排）方向上以合并和级联的方式来组合frame。在这个意义上，frame的工作方式很像关系数据库表。（请参阅第4章，回顾关系数据库的内容。）

最后，pandas可以很好地与pyplot集成在一起。pyplot是一个基于Python的绘图和数据可视化系统，具体内容将在第41单元介绍。坦率地讲，pandas具备开展数据科学研究所需要的一切。当然，也需要一些其他工具的配合。

本章通过第31单元对pandas的两个数据容器（Series和DataFrame）的介绍开启pandas的学习之旅。