想做量化交易？大名鼎鼎的pandas，怎么能不会呢？

前面介绍了机器学习和数据分析三剑客之一的numpy，

想学AI？先来一碗numpy的纯干货吧！

今天就来介绍三剑客之二的pandas，如果没有pandas的话，数据分析还是R语言的天下，pandas是量化交易最核心的依赖库，那就来解开它的面纱，看看pandas到底是什么？怎么用？

一、什么是pandas？

Wes McKinney在2008年时就职于AQR（一家量化投资公司），当时没有一个工具能够满足他的工作需求，所以就开始自己造（牛人就是这样的），2012年，他的同事Sien Chang加入开发，他们一起造就了这个python社区的一个非常牛的三方库-pandas！

作者对pandas设计需求：

具备按轴自动或显式数据对齐功能的数据结构。

集成时间序列功能。

既能处理时间序列数据也能处理非时间序列数据的数据结构。

数学运算和约简可以根据不同的轴编号执行。

灵活处理缺失数据。

合并常见数据库中的关系型运算。

整个pandas基于numpy开发，在numpy中的大部分操作在pandas中同样适用，同时pandas和numpy一样拥有计算性能优势，我们可以把pandas理解为一个numpy的封装。

二、pandas的安装和引入

$pip install pandas

$pip install -i https://pypi.douban.com/simple pandas

第一种方法是在pypi的官方仓库获取pandas，第二种是在豆瓣的仓库获取，下载速度非常快。

>>>from pandas import Series, DataFrame

>>>import pandas as pd

因为Series和DataFrame这两个类使用非常频繁，可以直接引入进来，就像import numpy as np一样，以后看见np就知道是numpy，pd就是pandas，plt就是matplotlib。

三、pandas的核心数据结构

上一篇文章讲了numpy，numpy中最重要的数据结构就是ndarray，就是多维数组，但是ndarray最大的问题是数据没有直观的标签，如果要建立对应的标签需要使用其他方式存储，标签就像是Excel中的表头，代表一列或一行数据是什么。在pandas中有两种最重要的数据结构，Series和DataFrame，它们都有标签，操作非常方便。

1.Series

Series对象就像是1一个带标签的一维数组，科目是索引，成绩是数组中的值。

2.DataFrame

DataFrame就非常像Excel表格，学号是索引，可以从DataFrame中抽出Series来得到小明的成绩。

今天就介绍到这里，明天介绍Series和DataFrame的具体用法。