具有简单、强大、高效的功能，可以在变频过程中进行重采样操作(如将秒级数据转换为5分钟级数据)。这在(但不限于)金融应用程序中非常常见。请参阅时间序列部分。创建一个电子表格风格的数据透视表作为数据框架。列的值作为表里的值, 无值则补。注意：对多个列进行操作，用。将时间序列化为本地化一个时区。将一个时区转到另外一个时区。但还是会报错，最后改用。对一个列进行操作，可以用。

但是，添加一行需要一个副本，而且成本可能很高。属性中配备了一组字符串处理方法，可以很容易的对数组的每个元素进行操作，如下面的代码所示，提供了更加直观的数据表达，并在交互中也很方便，但对于生产性代码，推荐使用优化的。对象结合在一起，并在连接/合并类型操作的情况下，为索引和关系代数功能提供各种。的列具有不同的数据类型时，这可能是一个比较耗时的操作，主要是因为。中的模式匹配默认情况下通常使用正则表达式(在某些情况下总是使用它们。创建一个随机数组，创建一个。是快速的，不需要复制数据。, 其中比较时，采用的是。

> 字符串的方法可以通过 `str` 进行访问，类似于时间序列的 `dt`> 字符串方法按元素工作，可用于条件索引。> `replace` 方法可以方便的将字符串用字典的方式进行替换。

有效的日期字符串可以使用 `to_datetime` 转换为 `datetime` 对象，也可以在读入数据时直接转换为 `datetime` 对象。`pandas` 里的 `datetime` 对象支持计算和逻辑运算等，还可以方便的使用 `dt` 访问时间的属性。`DatetimeIndex` 包含了日期时间相关的属性，并支持方便的切片。`resample` 是一个非常强大的方法，支持时间序列的采样频率变换。

多个表格数据的连接

本节使用的数据为，链接为。

本节使用的数据为，链接为不同的统计都可以应用于数值型列里的多列组成了DataFrame；describe内置的信息统计函数；

本节使用的数据为，链接为假设在25°，1013hPa 压力下密度为 1.882用[]就可以创建新列，不需要使用循环，直接相乘，他们之间的乘积是逐元素的。ParisAntwerp和其他的逻辑运算, ==等等都是逐元素，不需要循环；如果需要使用更多更广泛的函数，还可以使用apply[]rename。

本节使用的数据为，链接为用做索引的列将日期转换为Timestamp对象Paris可以用 上一节中的 DataFrame 子集，结合plot可以绘制任意数据plot支持Series和DataFrame数据NO2​除了lineplot还有其他的plot方式可以获得其他plot类型[‘area’,‘bar’,‘barh’,‘box’,‘density’,‘hexbin’,‘hist’,‘kde’,‘line’,‘pie’,‘scatter’].plot.*

注： 引用库的导入和数据的导入只做一次，所有代码是在里完成的。取单列的数据，直接用[]就可以了，每一列数据都是一个Series,是一维的，并且只返回行取多列数据，返回的是是 二维的，返回行和列。

查看前 8 行数据，如果要查看最后 8 行数据，则可以用。支持多种开箱即用的文件格式或数据源(，行索引标签不会保存在电子表格中。)，每种格式都带有前缀。函数用于将数据读取到。

想存储一些 Titanic 乘客数据，知道姓名，年龄，性别等；要手动在表中存储数据，请创建DataFrame。当使用Python列表字典时，字典键将用作列标头，每个列表中的值将用作DataFrame的列。DataFrame是一种二维数据结构，可以在列中存储不同类型的数据(包括等)。它类似于电子表格、SQL表或R中的data.frame。

pandas常见命令