Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。以下是小编为你整理的如何正确学习python
Python
PyLab
pandas
方法/步骤
数据结构类型:
Series:一维数组;
Time- Series:时间序列;
[图片0]
Dataframe:二维的表格型数据结构;
Panel :三维的数组。
pandas安装
pip install wheel
pip filepath whl
或者下载
win+R
输入cmd
cd filepath
python install
初识pandas，首先导入pandas，一般会使用
import pandas as pd或者import pandas
from pandas import Series，Dataframe
创建一个Series，一维数组，方法Series(data,index=[...])
data 是一个数组，index是索引
创建一个Dataframe
使用Dataframe(data,index=[],columns=[])
data是一个二维数组，index是行索引，columns是列索引。
打开Python IDE，先导入Numpy模块
import Numpy as np
先输入数组
>>> a= (10)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
进行切片
>>> a[5]#用整数作为下标可以获得数组中的某个元素
5
>>> a[3:5]#用切片作为下标可以获得数组的一部分元素，注意包括首位，但不包含尾部
array([3, 4])
>>> a[:5]#切片中省略开始下标，表示从a[0]开始到a[5]结束，但不包含a[5]
array([0, 1, 2, 3, 4])
>>> a[:-1]#下标可以是负数，数组倒数第一位为-1，a[:-1]表示从第一位一直取到-1的位置，但不包括-1位的数据
array([0, 1, 2, 3, 4, 5, 6, 7, 8])
5
>>> a[2:4]=100,101#可以通过数组下标赋值来改变数组中数据
>>> a
array([ 0, 1, 100, 101, 4, 5, 6, 7, 8, 9])
6
>>> a[1:-1:2]#从数组下标1取到-1位置，且步长为2，且不包含-1位置数据
array([ 1, 101, 5, 7])
7
>>> a[::-1]#省略切片的开始下标和结束下标，步长为-1，表示整个数组头尾颠倒
array([ 9, 8, 7, 6, 5, 4, 101, 100, 1, 0])
8
>>> a[5:1:-2]#起始点为a[5]，终点位置为a[1]，且不包含a[1]，步长为-2指倒着数
array([ 5, 101])
3文件输出与输入
输入:line = input() print(line)
注:意思是，等待键盘输入，然后回车把输入的字符，传递给line，然后打印出来
然后在控制面板输入，如图，这时候程序还在运行的，右上角的绿色按钮有个绿点，这个表示程序还在运行
当键盘输入数据，回车之后，那么等待键盘输入的语句就结束了，到下面的打印语句
打印语句运行完之后，程序结束，可以看右上角的按钮的没有绿点了，代表程序可以运行
输入提示
在input的括号中，输入一段字符串
那么这段字符串，是作为控制台输入的提示语句
[图片1]
文件输出与输入
file = open('', 'w')('abcde')
注:上行意思是，以写入方式('w')打开一个文件('')，下行意思是，写入一句话(‘abcde’)
首先在txt文件上，写上一行内容
file = open('', 'r')print(())
注意:上行意思是，打开‘’文件，以读取方式打开('r')，下行意思是，读取一行内容('()')
4python基础
文章形式:我不是数学出身，我只能保证自己理解了各种算法的基本原理，但是无法呈现在这里给大家，所以就干脆忽略掉了数学原理的讲解，只是从更容易理解的角度来跟大家分享我的代码，所以，我假设你也不太在乎数学原理，或者你已经理解了各种算法的原理。
代码来源:我使用的各种代码都是来自各种数据挖掘的书中，当然经过了我的稍微修改，我能保证代码的可靠性，也能解释清楚给大家。
python基础:以前从来没有接触过python的人可以看我在百度经验写的《python教程》系列文章，看完以后，我就能保证你基本理解了Python的使用方法，你不必精通，只是知道就可以了。有一定python基础最好，没有也不是难事，python的特点就是一学就会。
此系列文章的内容:K-近邻算法、决策树、基于概率论的分类方法、支持向量机、逻辑回归、神经网络模型、有监督学习和无监督学习、还有其他一些应用案例。