與其他編程語言一樣并淋，Python具有大量其他模塊和庫，這些模塊或庫支持該語言的基本框架和功能句喷。
我們將庫視為函數(shù)的集合兔毙，無需編寫自己的算法即可訪問這些函數(shù)以完成某些編程任務(wù)。
比如以下這些模塊：
Numpy?is a library for working with arrays of data.用于處理數(shù)據(jù)數(shù)組的庫锡溯。
Pandas?provide high-performance, easy-to-use data structures and data analysis tools. 提供了高性能哑姚，易于使用的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)分析工具。
Scipy?is a library of techniques for numerical and scientific computing.是用于數(shù)值和科學(xué)計算的技術(shù)庫叙量。
Matplotlib?is a library for making graphs. 是用于制作圖形的庫。
Seaborn?is a higher-level interface to Matplotlib that can be used to simplify many graphing tasks.是Matplotlib的高級接口寺鸥，可用于簡化許多圖形繪制任務(wù)。
Statsmodels?is a library that implements many statistical techniques.是一個實(shí)現(xiàn)許多統(tǒng)計技術(shù)的庫胆建。
現(xiàn)在我們主要來看看pandas這個庫的使用方法
pandas的數(shù)據(jù)結(jié)構(gòu)有三種 分別為 series，dataframe和panel眼坏，對應(yīng)一維，二維檐蚜，三維數(shù)據(jù)沿侈。 其中dataframe最為常用。
1. 錄入文件
df = pd.read_csv("文件名")
2. 查看文件
我們可以通過調(diào)用head（）函數(shù)來查看前五行數(shù)據(jù)：
df.head()
如果我要查看全部數(shù)據(jù)缀拭，則直接輸入df
栗子（come from coursera）：
如果我們要看表頭蛛淋，那就輸入：
df.columns
3.pandas索引
記得之前說過的切片slice嗎，dataframe的索引中勾效，有三個函數(shù)可以用于選擇數(shù)據(jù)
loc(): 使用index來選擇數(shù)據(jù) （based indexing）
iloc()：使用整數(shù)索引來選擇數(shù)據(jù) （positional indexing）
ix(): iloc()和loc()的混合 （已廢棄叛甫，不推薦使用）
首先介紹loc()，
語法：
loc [? ? ? :? ? ? ,? ? ? ?]
一般逗號左邊是用來索引行其监，逗號的右邊用來索引列
一般逗號的左邊都是數(shù)字抖苦，右邊則為“列名”毁菱，也可以是bool
索引單列語法：? ? ? ??
df.loc[:,"列名"]
這樣就會輸出所有的這一列的數(shù)據(jù)
索引多列語法：
df.loc[:,[ "列名1", "列名2", "列名3" ]]
這樣就會輸出多行數(shù)據(jù)
索引限定行語法：
數(shù)字也可以放入loc中當(dāng)做索引鼎俘，但是這時數(shù)字指的是標(biāo)簽而不是位置
比如df.loc[數(shù)字:數(shù)字]所輸出的是編程排序里0-9的辩涝，也就是ID從1-10的行
df.loc[:數(shù)字,[ "列名1", "列名2", "列名3" ]]
df.loc[數(shù)字:數(shù)字,[ "列名1", "列名2", "列名3" ]]
另外，在我們進(jìn)行索引的時候捉邢，就像python中的切片一樣，如果是針對行的索引伏伐，那么后邊的:， 是可以省略不寫的材蹬。
還有一種玩法吝镣，就是利用loc函數(shù)，根據(jù)某個數(shù)據(jù)來提取數(shù)據(jù)所在的行
舉個例子：
然后闸溃，我們來看看.iloc, .iloc 是基于integer 和bool的切片拱撵，不接受string。
基礎(chǔ)語法：
iloc [? ? ?:? ? ? ,? ? ? :??]
跟loc一樣拴测，iloc逗號左邊是用來索引行，逗號的右邊用來索引列
一般逗號的左右都是數(shù)字
與.loc不同的是寸齐，.iloc里面的數(shù)字指的是位置抄谐，所以遵從我們切片器的規(guī)則扰法，包頭不包尾。（ [1:5] 的意思就是塞颁，從第二個到第四個，因?yàn)榘?不包5）
用法：
df.iloc[:4]?代表索引前4行 (編程里的排序0酷窥，1伴网，2，3澡腾，ID為1糕珊，2毅糟，3，4）
df.iloc[4]?代表索引第5行??(編程里的排序0喇肋，1迹辐，2，3右核，4的4代表ID5）
df.iloc[1:5, 2:4]?代表索引2-5行，3-4列（編程里排序的1234菱鸥，也就是ID2345; 編程里排序的23躏鱼，也就是第三第四列）
我們還可以通過輸入df.dtypes 來看看文檔的數(shù)據(jù)類型
也可以通過df.列名.unique 來看看這一列存在的unique值
另外染苛，df.groupby(['列名‘]).size()可以幫我們查看列里面的variable出現(xiàn)的個數(shù)
今天先到這兒，只是對pandas進(jìn)行一個初步的了解躯概，明天繼續(xù)加油呀～
