Python 数据处理扩展包： numpy 和 pandas 模块介绍

一、numpy模块

　　NumPy（Numeric Python）模块是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。据说NumPy将Python相当于变成一种免费的更强大的MatLab系统。

　　NumPy模块提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库等。

　　1）、一个强大的N维数组对象Array；

　　2）、比较成熟的（广播）函数库；

　　3）、用于整合C/C++和Fortran代码的工具包；

　　4）、实用的线性代数、傅里叶变换和随机数生成函数。

 

二、pandas模块

　　Pandas（Python Data Analysis Library ）是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。

　　Pandas中的数据结构有如下几种：

　　1、Series：一维数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近，其区别是：List中的元素可以是不同的数据类型，而Array和Series中则只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。

 

　　2、Time- Series：以时间为索引的Series。

 

　　3、DataFrame：二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。

 

　　4、Panel ：三维的数组，可以理解为DataFrame的容器。

 

三、Linux下 pandas 的安装

在linux下，安装pandas的方式是：

sudo apt-get install python-pandas

 

需要注意的是， 使用 sudo pip install pandas 会报错，可能是依赖的问题。

但使用apt-get install的方式却可以成功安装。