在處理實(shí)際的金融數(shù)據(jù)時(shí)巧号，一個(gè)條數(shù)據(jù)通常包含了多種類型的數(shù)據(jù)族奢，例如，股票的代碼是字符串裂逐，收盤價(jià)是浮點(diǎn)型歹鱼，而成交量是整型等泣栈。在C++中可以實(shí)現(xiàn)為一個(gè)給定結(jié)構(gòu)體作為單元的容器卜高，如向量（vector，C++中的特定數(shù)據(jù)結(jié)構(gòu)）南片。在Python中掺涛，pandas包含了高級的數(shù)據(jù)結(jié)構(gòu)Series和DataFrame，使得在Python中處理數(shù)據(jù)變得非常方便疼进、快速和簡單薪缆。
pandas不同的版本之間存在一些不兼容性，為此伞广，我們需要清楚使用的是哪一個(gè)版本的pandas拣帽。
從一般意義上來講，Series可以簡單地被認(rèn)為是一維的數(shù)組嚼锄。Series和一維數(shù)組最主要的區(qū)別在于Series類型具有索引（index）减拭，可以和另一個(gè)編程中常見的數(shù)據(jù)結(jié)構(gòu)哈希（Hash）聯(lián)系起來。
DataFrame是將數(shù)個(gè)Series按列合并而成的二維數(shù)據(jù)結(jié)構(gòu)区丑，每一列單獨(dú)取出來是一個(gè)Series拧粪，這和SQL數(shù)據(jù)庫中取出的數(shù)據(jù)是很類似的。所以沧侥，按列對一個(gè)DataFrame進(jìn)行處理更為方便可霎，用戶在編程時(shí)注意培養(yǎng)按列構(gòu)建數(shù)據(jù)的思維。DataFrame的優(yōu)勢在于可以方便地處理不同類型的列宴杀，因此癣朗，就不要考慮如何對一個(gè)全是浮點(diǎn)數(shù)的DataFrame求逆之類的問題了，處理這種問題還是把數(shù)據(jù)存成NumPy的matrix類型比較便利一些旺罢。
預(yù)覽一下數(shù)據(jù)旷余，dataframe.head()和dataframe.tail()可以查看數(shù)據(jù)的頭五行和尾五行，若需要改變行數(shù)主经，可在括號內(nèi)指定荣暮。
dataframe.describe()提供了DataFrame中純數(shù)值數(shù)據(jù)的統(tǒng)計(jì)信息。
DataFrame提供了兩種形式的排序罩驻。一種是按行列排序穗酥，即按照索引（行名）或者列名進(jìn)行排序，可調(diào)用dataframe.sort_index，指定axis=0表示按索引（行名）排序砾跃，axis=1表示按列名排序骏啰，并可指定升序或者降序；第二種排序是按值排序抽高，可指定列名和排序方式判耕，默認(rèn)的是升序排序。
Series和DataFrame的類函數(shù)提供了一些函數(shù)翘骂，如mean()壁熄、sum()等，指定0按列進(jìn)行碳竟，指定1按行進(jìn)行草丧。
在panda中，Series可以調(diào)用map函數(shù)來對每個(gè)元素應(yīng)用一個(gè)函數(shù)莹桅，DataFrame可以調(diào)用apply函數(shù)對每一列（行）應(yīng)用一個(gè)函數(shù)昌执，applymap對每個(gè)元素應(yīng)用一個(gè)函數(shù)。這里面的函數(shù)可以是用戶自定義的一個(gè)lambda函數(shù)诈泼，也可以是已有的其他函數(shù)懂拾。下例展示了將收盤價(jià)調(diào)整到[0, 1]區(qū)間：
print df[['closePrice']].apply(lambda x: (x - x.min()) / (x.max() - x.min())).head()
使用append可以在Series后添加元素，以及在DataFrame尾部添加一行铐达。
DataFrame另一個(gè)強(qiáng)大的函數(shù)是groupby岖赋，可以十分方便地對數(shù)據(jù)分組處理。
DataFrame可以像在SQL中一樣娶桦。
pandas數(shù)據(jù)直接可以繪圖查看贾节。
set_index('tradeDate')['closePrice']表示將DataFrame的'tradeDate'這一列作為索引，將'closePrice'這一列作為Series的值衷畦，返回一個(gè)Series對象栗涂，隨后調(diào)用plot函數(shù)繪圖，更多的參數(shù)可以在matplotlib的文檔中查看祈争。
dat = df[df['secID'] == '600028.XSHG'].set_index('tradeDate')['closePrice']
dat.plot(title="Close Price of SINOPEC (600028) during Jan, 2015")
