pandas
2.2.3
| 測試 | |
| 包裹 | |
| 元 |
pandas是一個 Python 包，它提供快速、靈活且富有表現力的資料結構，旨在使「關係」或「標記」資料的處理變得簡單直觀。它的目標是成為用 Python 進行實際、真實世界資料分析的基本高階構建塊。此外，它還有更廣泛的目標，即成為任何語言中最強大、最靈活的開源資料分析/操作工具。它已經在朝著這個目標前進。
主要特點
哪裡可以得到它
依賴關係
從來源安裝
執照
文件
背景
尋求協助
討論與發展
為熊貓做出貢獻
以下是 pandas 擅長的一些事情：
輕鬆處理浮點和非浮點資料中的缺失資料（表示為NaN 、 NA或NaT ）
大小可變性：可以從 DataFrame 和更高維度物件插入和刪除列
自動和明確資料對齊：物件可以明確地與一組標籤對齊，或者使用者可以簡單地忽略標籤並讓Series 、 DataFrame等在計算中自動為您對齊數據
強大、靈活的分組功能，可對資料集執行拆分-應用-組合操作，以聚合和轉換數據
可以輕鬆地將其他 Python 和 NumPy 資料結構中的不規則、不同索引的資料轉換為 DataFrame 對象
基於智慧標籤的切片、花式索引和大數據集的子集
直觀的合併和連接資料集
資料集的靈活重塑與旋轉
軸的分層標籤（每個刻度可能有多個標籤）
強大的 IO 工具，用於從平面文件（CSV 和分隔）、 Excel 文件、資料庫加載數據，以及從超快HDF5 格式保存/加載數據
時間序列特定功能：日期範圍產生和頻率轉換、移動視窗統計、日期平移和滯後
原始碼目前託管在 GitHub 上：https://github.com/pandas-dev/pandas
最新發布版本的二進位安裝程式可在 Python 套件索引 (PyPI) 和 Conda 上找到。
# condaconda install -c conda-forge pandas
# 或 PyPIpip 安裝 pandas
可以在此處找到每個版本之間 pandas 的變更清單。有關完整詳細信息，請參閱 https://github.com/pandas-dev/pandas 上的提交日誌。
NumPy - 增加對大型多維數組、矩陣和高級數學函數的支援以對這些數組進行操作
python-dateutil - 為標準日期時間模組提供強大的擴展
pytz - 將 Olson tz 資料庫引入 Python，允許準確的跨平台時區運算
請參閱完整的安裝說明，以了解所需、建議和選用相依性的最低支援版本。
要從來源安裝 pandas，除了上面的正常依賴項之外，您還需要 Cython。 Cython 可以從 PyPI 安裝：
pip 安裝 cython
在pandas目錄（與複製 git 儲存庫後找到此檔案的目錄相同）中，執行：
點安裝。
或以開發模式安裝：
python -m pip install -ve 。 --no-build-isolation -Ceditable-verbose=true
請參閱從來源安裝的完整說明。
BSD 3
官方文件託管在 PyData.org 上。
AQR（量化對沖基金）於 2008 年開始對pandas進行研究，此後一直在積極開發中。
對於使用問題，最好的地方是 StackOverflow。此外，一般問題和討論也可以在 pydata 郵件清單上進行。
大多數開發討論都是透過 GitHub 問題追蹤器在此儲存庫中的 GitHub 上進行的。
此外，pandas-dev 郵件清單還可用於專門討論或設計問題，而 Slack 頻道可用於快速開發相關問題。
也經常向社區開放專案維護者社群會議，以及每月舉行的新貢獻者會議以幫助支持新貢獻者。
有關溝通管道的更多資訊可以在貢獻者社群頁面上找到。
歡迎所有貢獻、錯誤報告、錯誤修復、文件改進、增強和想法。
有關如何貢獻的詳細概述可以在貢獻指南中找到。
如果您只是想開始使用 pandas 程式碼庫，請導航至 GitHub「問題」標籤並開始尋找有趣的問題。文件下列出了許多問題，您可以從第一個問題開始。
您也可以對問題進行分類，其中可能包括重現錯誤報告，或詢問版本號或重現說明等重要資訊。如果您想開始對問題進行分類，一種簡單的入門方法是在 CodeTriage 上訂閱 pandas。
或者也許透過使用 pandas，您有自己的想法，或者正在文件中尋找某些內容並認為「這可以改進」...您可以對此做一些事情！
請隨時在郵件清單或 Slack 上提問。
作為該專案的貢獻者和維護者，您應該遵守 pandas 的行為準則。更多資訊請參閱：貢獻者行為準則
轉到頂部
