大熊貓是全竹宴美食家中的饕餮，亦是十足的瞌睡蟲。不過它們還身懷一項隱秘技能：（不遺余力吞噬下）大量的數據。今天將要介紹的就是數據處理中最強有力也最流行的工具之一：Pandas！

當人們談到數據科學，往往不會立即想到 Pandas。這些黑白相間憨態可掬的大熊貓總是把時間消耗在吃和睡上面，而不是鉆研數據相關的研究。但今天我們就是要用 Pandas 對付候選數據集，然后準備好下一步用于機器學習。我沒法在一期視頻中介紹整個 Pandas 庫，但是所幸我能在這期概述中給你一些幫助，讓你能自行去深入探索 Pandas 的世界。

我吃我吃我吃吃吃！數據集就是我的竹子，別和我搶！

Pandas 是一個低學習成本高性能的數據結構和數據分析工具。拋開大熊貓憨態可掬的樣子不說，「Pandas」這個名字來源于術語「panel data」，指的是統計和計量經濟學上的多維數據。

要安裝 Pandas，只需在 Python 環境中執行 pip install pandas 命令就可以了。之后只需要在代碼中引入 Pandas：import pandas as pd。

人們用 Pandas 時往往都會用到 pd.read_csv 來讀入 CSV 文件中的數據。這也常常是人們使用時落筆的第一點墨。

pd.read_csv 會將數據載入一個 DataFrame 中。它本質上是一張電子表格或是數據表。我們可以通過在 DataFrame 調用 head() 來粗略察看數據集中的概況。

DataFrames 中有一行一行數據，這些數據的列首都是經過命名的，這些命名后的列又被稱為「序列」。

我最喜歡的 DataFrames 的一些特性當中，有一個函數叫做 describe()，這個函數會羅列出你的 DataFrame 的一些相關數據。這個函數有助于你檢查數據集，思考其中的數據分布是否合理，也可以檢驗是否各項屬性都符合預期。

有時候我會用 Pandas 來擾亂數據。有時候你想要打亂所有數據，而不是僅僅釋出數據時取用首部那一點點數據，那么這時 Pandas 就很有用了。比如，假使你的數據處于完全有序的狀態，沒有絲毫混亂，此時你可能就需要進行一些額外的混合、擾亂操作了。

然而，對于那些無法放進內存里的大型數據集，這么做實在不太明智。也許應該試試更高明點的法子來處理。

處理列

要處理數據集中單獨的某一列，只需使用括號來標注出那一列，將該列的名字作為參數傳入即可。如果你不清楚有哪些具體的列名稱，那么可以回過頭看看 .describe() 輸出的內容或者用 .columns 以數組形式輸出 DataFrame 中所有的列名稱。

處理行

處理行的方法與處理列不盡相同。比如，如果我們要想得到某個 DataFrame 中索引為 i 的行，需要使用 .iloc[i] 得到該行數據。

索引為 5，表示這是第 6 行

記住 Pandas 是以 0 作為索引起點的，所以數據中的第一行對應著索引 0。

同時處理行和列

有時你會想要得到某一指定的行、列的數據。由于行列的訪問方式不同，我們需要結合上面講到的兩種方式：

當然，你也可以交換兩者的訪問順序，比如 csv_data.iloc[5][‘sepal_len’]。不過，相較之下我覺得這樣一來可讀性就變差了。

某個行/列范圍

真正有意思的是當你要處理某個行列范圍內數據的時候。

對于列，一個列范圍只需要用一個列名稱的數組來指定。

如果要挨著輸入的列名字太多太復雜，那么可以直接使用 csv_data.columns 得到列名稱數組后，取數組中某個范圍作為列索引的值即可。

本來這兩列我可以直接輸入進去的，不過你明白我的意思就好

如果要得到某個范圍內的行怎么辦？我們用冒號作為 .iloc 之后的括號內中的分隔符來表達即可。

起始索引已經被包括在內了，而終止索引卻被忽略了。注意，返回的是索引為 5、6、7、8、9 的行，而不包含索引為 10 的行。

混合行、列范圍選擇

我們想要的是行的一個子集和列的一個子集，該怎么做？我們把上面談到的各類方法結合起來：

首先，得到所需的列名數組：

cols_2_4 = csv_data.column[2:4]

然后是所有所需的列：

df_cols_2_4 = df[cols_2_4]

選擇這些列中的指定行：

df_cols_2_4.iloc[5:10]

如果你非常熟練了，完全可以把上面三步結合成一步：

csv_data[csv_data.columns[2:4]].iloc[5:10]

我希望你能先暫停視頻回頭想想這個表達式的等價形式。我不會走開，一直在這兒等你。

小結幾句

Pandas 中的鏈式操作不僅會讓數據處理更快，同時當你熟練之后，代碼可讀性也會顯著提高。

我們已經看過一些 DataFrame 的處理了，但是 Pandas 所衍生的一整套工具卻遠遠不止這些。從高效的 PyTables 和 HDF5 式文件存儲到進行統計學分析，處處遍布 Pandas 的身影。

稍后就試著去用一下 Pandas 吧，定會讓你滿意！