pandas库怎么在python中进行安装？相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。
pandas 的安装
pandas 在python上的安装同样的使用pip进行：
pipinstallpandas
pandas 创建对象
pandas 有两种数据结构：Series 和 DataFrame 。
Series
Series 像python中的数据list 一样，每个数据都有自己的索引。从list创建 Series。
>>>importpandasaspd
>>>s1=pd.Series([100,23,'bugingcode'])
>>>s1
0100
123
2bugingcode
dtype:object
>>>
在Series 中添加相应的索引：
>>>importnumpyasnp
>>>ts=pd.Series(np.random.randn(365),index=np.arange(1,366))
>>>ts
在index中设置索引值是一个从1到366的值。
Series 的数据结构最像的是python中的字典，从字典中创建Series：
sd={'xiaoming':14,'tom':15,'john':13}
s4=pd.Series(sd)这时候可以看到Series 已经是自带索引index。
pandas 本身跟 python的另外一个第三方库Matplotlib 有很多的连接，Matplotlib 一个最经常用到的是用来展示数据的，如果还对Matplotlib 不了解的话，后面的章节会进行介绍，现在先拿过来直接用下，如果还没有安装的话，一样的用pip命令安装 pip install Matplotlib ， 展示如下数据：
importpandasaspd
importnumpyasnp
importmatplotlib.pyplotasplt
ts=pd.Series(np.random.randn(365),index=np.arange(1,366))
ts.plot()
plt.show()
一个不规则的图形，在数据分析中，时间是一个重要的特性，因为很多数据都是跟时间是有关系的，销售额跟时间有关系，天气跟时间有关系。。。，在pandas 中也提供了关于时间的一些函数，使用date_range 生成一系列时间。
>>>pd.date_range('01/01/2017',periods=365)
DatetimeIndex(['2017-01-01','2017-01-02','2017-01-03','2017-01-04',
'2017-01-05','2017-01-06','2017-01-07','2017-01-08',
'2017-01-09','2017-01-10',
...
'2017-12-22','2017-12-23','2017-12-24','2017-12-25',
'2017-12-26','2017-12-27','2017-12-28','2017-12-29',
'2017-12-30','2017-12-31'],
dtype='datetime64[ns]',length=365,freq='D')
>>>之前我们的图形不规则，有一个原因是数据不是连续的，使用cumsum让数据连续：
如下：
importpandasaspd
importnumpyasnp
importmatplotlib.pyplotasplt
ts=pd.Series(np.random.randn(365),index=pd.date_range('01/01/2017',periods=365))
ts=ts.cumsum()
ts.plot()
plt.show()DataFrame
DataFrame 相当于Series 一维的一个扩展，是一种二维的数据模型，相当于EXcel表格中的数据，有横竖两种坐标，横轴很Series 一样使用index，竖轴用columns 来确定，在建立DataFrame 对象的时候，需要确定三个元素：数据，横轴，竖轴。
df=pd.DataFrame(np.random.randn(8,6),index=pd.date_range('01/01/2018',periods=8),columns=list('ABCDEF'))
printdf数据如下：
ABCDEF
2018-01-010.7126360.546680-0.847866-0.6290052.1526860.563907
2018-01-02-1.2927991.1220980.7432930.6564120.9897382.468200
2018-01-031.7628940.783614-0.3014680.289608-0.7808440.873074
2018-01-04-0.8180661.629542-0.5954510.9101410.1609800.306660
2018-01-052.0086580.456592-0.8395971.6150130.718422-0.564584
2018-01-060.4808930.724015-1.076434-0.2537310.337147-0.028212
2018-01-07-0.6725010.739550-1.3160941.118234-1.456680-0.601890
2018-01-08-1.028436-1.036542-0.4590441.321962-0.198338-1.034822
在数据分析的过程中，很常见的一种情况是数据直接从excel 或者cvs 过来，可以excel中读取数据到DataFrame ，数据在 DataFrame 中进行处理：
df=pd.read_excel('data.xlsx',sheet_name='Sheet1')
printdf同样的有保存数据到excel 中 to_excel。
处理cvs数据的函数是：read_cvs 和 to_cvs ，处理HDF5的函数为 read_hdf 和 to_hdf 。
访问DataFrame 可以跟二位数组一样的访问方式：
printdf['A']
带出横轴标签：
2018-01-010.712636
2018-01-02-1.292799
2018-01-031.762894
2018-01-04-0.818066
2018-01-052.008658
2018-01-060.480893
2018-01-07-0.672501
2018-01-08-1.028436
同样的可以指定某一个元素：
printdf['A']['2018-01-01']
对数组进行切片出来，认清横轴和纵轴：
>>>importpandasaspd
>>>df=pd.read_excel('data.xlsx',sheet_name='Sheet1')
>>>df[:][0:3]
ABCDEF
2018-01-010.7126360.546680-0.847866-0.6290052.1526860.563907
2018-01-02-1.2927991.1220980.7432930.6564120.9897382.468200
2018-01-031.7628940.783614-0.3014680.289608-0.7808440.873074
>>>看完上述内容，你们掌握pandas库怎么在python中进行安装的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注恰卡编程网行业资讯频道，感谢各位的阅读！
