# 使用 Pandas 為 Python 中的機器學習準備數據 > 原文： [https://machinelearningmastery.com/prepare-data-for-machine-learning-in-python-with-pandas/](https://machinelearningmastery.com/prepare-data-for-machine-learning-in-python-with-pandas/) 如果您使用 Python 堆棧來學習和應用機器學習，那么您將要用于數據分析和數據操作的庫是 Pandas。 這篇文章為您提供了熊貓庫的快速介紹，并指出了正確的入門方向。 [](https://3qeqpr26caki16dnhd19sv6by6v-wpengine.netdna-ssl.com/wp-content/uploads/2014/06/pandas-for-data-analysis.jpg) 用于數據分析的熊貓。 照 [gzlu](https://www.flickr.com/photos/gzlu/7708872342) ，保留一些權利。 ## Python 中的數據分析 Python SciPy 堆棧通常適用于科學計算。它提供了強大的庫來處理網格數據（如 NumPy）和繪圖（如 matplotlib）。直到最近，套件中缺少的一個部件才是處理數據的好庫。 數據通常不是以易于使用的形式出現的。處理機器學習等數據驅動問題的很大一部分是數據分析和數據調整。 * **數據分析**：這是使用統計和數據可視化等工具，通過了解數據來更好地理解問題。 * **Data Munging** ：這是將原始數據轉換為表格的過程，以便適合您的工作，如數據分析或機器學習。 傳統上，您必須在 Python 中拼湊自己的腳本工具鏈來執行這些任務。 如今，如果您在 Python 中搜索數據分析，則無法避免了解 Pandas。它已迅速成為 Python 中數據處理的首選庫。 ## 什么是熊貓？ Pandas 是一個用于數據分析和數據操作的 Python 庫。它將缺少的部分添加到 SciPy 框架以處理數據。 熊貓是由 [Wes McKinney](http://blog.wesmckinney.com/) 于 2008 年創建的，主要用于量化金融工作。因此，它在處理時間序列數據和圖表方面具有堅實的基礎。 您使用 Pandas 將數據加載到 Python 中并執行數據分析任務。它非常適合處理表格數據，如來自關系數據庫的數據或來自電子表格的數據。 Wes 描述了 Pandas 對 crate 的看法：用于任何語言的最強大，最靈活的開源數據分析和操作工具。 如果只是為了讓您自己的數據分析工作變得更容易，那么這項令人欽佩的任務就是讓您想要支持他的事業。 ## 熊貓特色 熊貓是一種樂趣。 根據我的經驗，它簡單，優雅，直觀。來自 R，成語和操作是熟悉和相關的。 Pandas 構建在 SciPy 堆棧中的標準庫之上。它使用 NumPy 進行快速數組處理，并為 StatsModels 的一些統計操作和 Matplotlib 的圖表提供方便的包裝。 鑒于庫在金融領域的開始，人們非常關注時間序列。它還非常關注用于處理標準網格數據的數據幀。數據處理是此類庫的核心要求，速度已成為優先事項。它速度快，提供數據結構和操作，如索引和稀疏性處理。 需要注意的一些重要功能包括“ * **操縱**：移動列，切片，整形，合并，連接，過濾等。 * **時間序列處理**：對日期/時間，重新采樣，移動窗口和數據集自動對齊的操作。 * **缺少數據處理**：自動排除，刪除，替換，插入缺失值 * **分組操作**：SQL like group by。 * **分層索引**：數據結構級別，對按列有效組織數據非常有用。 * **摘要統計**：快速而強大的數據匯總統計。 * **可視化**：簡化了對數據結構圖的訪問，例如直方圖，箱形圖，一般圖和散點圖。 Pandas 在許可許可證（Simplified BSD）下可用，并且可以與 SciPy 的其余部分一起輕松安裝。 ## 熊貓資源 這是對熊貓庫的快速介紹，還有更多需要學習的內容。安裝庫，獲取數據集并開始嘗試。沒有更好的入門方式。 訪問 [Pandas 主頁](http://pandas.pydata.org)并閱讀庫愿景和功能。您也可以查看項目的 [github 頁面](https://github.com/pydata/pandas)。 一個很好的起點是[教程列表](http://pandas.pydata.org/pandas-docs/stable/tutorials.html)，其中包括指向網絡上的烹飪書，課程和各種著名的 IPython 筆記本的鏈接。 最后，對我來說，我住在 [API 文檔](http://pandas.pydata.org/pandas-docs/stable/api.html)中。 ### 文件 我發現論文可以很好地概述開源庫，特別是在 Python 和 R 生態系統中。請查看以下論文，了解熊貓的全部內容。 * [Python 中統計計算的數據結構](http://scholar.google.com/scholar?hl=en&q=Data+Structures+for+Statistical+Computing+in+Python) * [pandas：用于數據分析和統計的基礎 Python 庫](http://scholar.google.com/scholar?q=pandas%3A+a+Foundational+Python+Library+for+Data+Analysis+and+Statistics) ### 影片 YouTube 上有很多關于人們在自己的數據和會議上展示 Pandas 的精彩視頻。 一個很好的起點是 Wes 自己 [10 分鐘的熊貓之旅](http://vimeo.com/59324550)。看一看。這是一個很小的時間序列數據，但它是一個偉大而快速的概述。您還可以查看他的 [IPython 筆記本進行本次巡演](http://nbviewer.ipython.org/urls/gist.github.com/wesm/4757075/raw/a72d3450ad4924d0e74fb57c9f62d1d895ea4574/PandasTour.ipynb)。 ### 圖書 [](http://www.amazon.com/dp/1449319793?tag=inspiredalgor-20) 最后，Wes 是 Python 中關于數據分析的權威書籍的作者。如果你想認真練習，還要考慮抓住這本書。它被稱為：[用于數據分析的 Python：與 Pandas，NumPy 和 IPython](http://www.amazon.com/dp/1449319793?tag=inspiredalgor-20) 進行數據爭奪。