以下内容翻译自这里

pandas 是一个用于数据分析的Python库，它能让你快速处理一些探索性的工作。

本手册的目的通过一些实际的例子来让你开始使用pandas。 Pandas 的帮助文档已经相当全面了。不过，经常会有人询问 应该怎样上手。接下来我讲讲如何用pandas来处理一些真实世界中的数据，如你所料，这些数据包含各种bug和异常值。

接下来我会使用以下3个数据

• 311 calls in New York
• How many people were on Montréal's bike paths in 2012
• Montreal's weather for 2012, hourly

这些数据已经包含在本目录下。

• 简单介绍下Ipython Nodebook
  展示了如何使用IPython的tab自动补齐和魔法函数
• Chapter 1: 从CSV文件中读取数据
  将数据导入到pandas是相当容易的一件事，即使有编码错误也不是问题！
• Chapter 2: 选择和查找数据
  从pandas的DataFrame中选择数据有时候显得不那么直观,在这一部分我将解释一些基本的东西（比如怎么做切片操作，选取指定列）
• Chapter 3: “哪个区抱怨噪声的人最多？”(查找数据进阶)
  这部分将继续介绍如何对数据切片、切块以及过滤处理。
• Chapter 4: 用groupby和agg操作来查找人们骑自行车最多的一天是星期几
  groupby/aggregate操作 是我最喜欢pandas的地方，我几乎无时不刻都在用它。这部分必读！
• Chapter 5: 融合DataFrame并抓取加拿大气候数据
  这部分将会探索Montreal的冬天冷不冷（答案：冷！），用pandas来做网页抓取相当有意思。
• Chapter 6: String操作：哪个月下雪最多？
  pandas对string的操作非常好，它包含所有向量化的string操作。这部分内容将一系列包含Snow的字符串转换成向量化的数值来表示。
• Chapter 7: 处理脏数据
  处理脏数据可不轻松，不过对于pandas来说，那就是另外一回事了～
• Chapter 8: 解析Unix下的时间戳
  这个小技巧花了我两天才弄明白。。。
• Chapter 9 - 从SQL数据库中导入数据
  本部分将介绍如何从 SQLite3, PostgreSQL及MySQL中导入数据到pandas

首先，你需要更新下IPython Notebook(>= 3.0) 以及 pandas(>=0.13)

用pip可以完成以上操作：

pip install ipython pandas numpy tornado pyzmq jinja2 matplotlib

编译和配置这些有时候挺繁琐的，我自己是用的 Anaconda,这个软件把几乎所有你能想到的库都包含了，并且是免费和开源的。

安装好IPython和pandas后就可以开始啦～

git clone https://github.com/ia-cas/pandas-cookbook.git
cd pandas-cookbook/cookbook
ipython notebook

执行完以上命令后，你的浏览器会自动打开一个地址为 http://localhost:8888的页面。

尽情享受吧～

如果你发现某些地方有错误，或者是你想学习一些我在这里没有讲到的东西， 又或者是你想分享些东西，赶紧发个issue，或者发邮件，pull request都行！

• join 操作
• 使用 stack/unstack
• ???

注：我会在这里分享些自己用pandas的心得，有兴趣可以看看。

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License