Pandas是一个python的开源库，它基于Numpy，提供了多种高性能且易于使用的数据结构。Pandas最初被用作金融数据分析工具而开发，由于它有着强大的功能，目前广泛应用于数据分析、机器学习以及量化投资等。下面来跟随作者一起认识下Pandas吧！

1    如何开始

Pandas安装方式十分简单，如果使用Anaconda，Anaconda默认就已经为我们安装好了Pandas，直接拿来用就可以了，推荐使用这种方式。

如果不用Anaconda，只需执行如下命令即可：

pip install pandas

像其他python库一样，使用之前需要导入，通常采用如下方式：

import pandas as pd

2   Pandas数据结构

Pandas的数据结构包括 Series、 DataFrame以及 Panel，这些数据结构基于 Numpy，因此效率很高。其中 DataFrame最为常用，是Pandas最主要的数据结构。所有Pandas数据结构都是值可变的，除 Series外都是大小（Size）可变的， Series大小不可变。

Series

Series是一维的类似的数组的对象，它包含一个数组的数据（任意NumPy的数据类型）和一个与数组关联的索引 。

可以看到Pandas默认为我们生成了索引，它的结构如下表所示：

我们也可以使用 index关键字为其指定索引：

DataFrame

DataFrame是二维的、类似表格的对象，是使用最为广泛的Pandas数据结构。DataFrame有行和列的索引，访问便捷。它可以被看作是Series的字典：

结构如下表所示

一方面，我们可以使用 columns关键字指定DataFrame列的顺序，DataFrame的列将会严格按照 columns所指定的顺序排列；另一方面，与Series相同，我们可以使用 index关键字为其指定索引：

需要注意的是，DataFrame的同一列允许有不同类型的值（数字，字符串，布尔等），这便意味着：我们可以将 王五的 weight设置为 F。

3    数据访问和遍历

DataFrame支持按下标访问：

也支持按索引访问：

因此，DataFrame也支持如下两种遍历方式：

4    添加和删除列

如果我们想增加一列，也非常方便，如计算BMI指数：

仅需一行代码而无需遍历。

删除列：

5    添加和删除行

添加行

删除行

6    数据筛选

• 按下标取出前两条记录

• 按其他条件筛选

如找到BMI>20的记录：

DataFrame还支持许多其他的操作，篇幅有限，在此不一一展开。

7     Panel

Panel是三维的数据结构，可以看作是DataFrame的字典，这种数据结构使用很少，此处略过不提。

Pandas实战

学习技术是为了更好的工作和生活，抛开应用，技术也就失去了存在的意义。本文开篇中提到，Pandas作为数据分析工具的一个重要应用场景是量化投资，在此我想分享一下使用pandas的一个场景：

我想筛选出A股市场中过去60个交易日表现好的那些股票。关于表现好，也许每个人都有自己的看法，我的标准如下

• 涨幅够大，区间累计涨幅达60%以上
• 回撤小，区间内任意单个交易日跌幅不超过7%，包括高开低走7%（套人的不算好股票）；区间内任意连续两个交易日累计跌幅不超过10%，包括连续两个交易日高开低走10%

我使用的数据源是TuShare，它提供了A股复权日线图，不过它没有提供复权数据的每日涨跌幅，所以我们需要对他进行处理：

此处使用了TALib，一个开源的金融数据分析工具。

完成初步的数据处理之后，我们就可以运行筛选条件了，截取代码片段如下：

最后的结果如下：

[('603986', '兆易创新'), ('603882', '金域医学'), ('603501', '韦尔股份'), ('300782', '卓胜微'), ('300622', '博士眼镜'), ('300502', '新易盛'), ('300492', '山鼎设计'), ('300433', '蓝思科技'), ('300223', '北京君正'), ('002917', '金奥博'), ('002892', '科力尔'), ('002876', '三利谱'), ('002850', '科达利'), ('002819', '东方中科'), ('002600', '领益智造'), ('002241', '歌尔股份'), ('000049', '德赛电池')]

可以看到其中科技股独领风骚，谁让我们大A是科技牛呢？