今天我们开始学习Python的数据处理，主要结合非常常见的Pandas工具包来完成。我们主要通过案例的方式来不断练习，讲讲如何利用Python进行数据的各种处理，包括数据的读写、表达、计算、可视化等等内容。

这里我假设大家会基本使用Python，即使比较复杂的程序逻辑还不能掌握也没关系，只需了解Python如何编程即可，比如知道怎么打开一个你熟悉的编辑器编写并运行Python程序

比如可以运行这个程序：

print(‘Hello World!’)

能看到一个熟悉的输出那就可以了！

当然，如果有时间和条件，建议大家对Python不妨简单了解一下。

在进行正式的数据处理之前，我们先进行下必要的准备工作。这里包括几个步骤：

第一，你需要先导入Pandas工具包到你的项目中，比如在Pycharm中选择文件菜单中的设置，在当前项目的项目解释器中，点击右边的那个加号按钮，即可打开添加工具包的窗体。这时一定要保证网络是畅通的，因为接下来就需要在线查询和下载安装工具包。

直接输入pandas，就可以查询到，并点击左下角的“安装包”按钮，等待一会，就可以看到安装完毕的提示信息。

第二，你需要在代码中填下一些基本的代码，这些代码以后都无需更改，每次都写上就行了。

# coding:utf-8

import pandas as pd

from pandas import DataFrame

这个语句看起来很多，但是其实正如我们接下来介绍的各种方法，都是一条一条的语句，数据处理的过程就是按序一条一条的执行，逻辑并不复杂。

那么我们来逐条看看什么意思。

第一条是个编码申请，如果你的程序中有中文，你应该加上去，否则默认会无法识别中文字符而会运行报错。我们这里有汉字学生名称，因此需要使用。这个语句通常不用改，直接复制粘贴上去即可。

第二行表示我们要导入pandas，虽然我们已经导入了这个工具包，但是由于这个包并不属于Python本来自带的内容，因此需要额外的导入声明才能使用。其实对于任何外来的工具包，在Python都是这样两步处理，先设置中安装，再代码中声明导入。

那个as我们先不看，马上就可以知道具体用途。

第三行表示我们要导入pandas中的哪些类，所谓类，可以看成是一个个功能模块，每个类功能各不一样，一般可以根据所需导入必要的类。

这时你不妨运行下，看看有无错误，如果没有，恭喜你，可以开始了！

我们想进行数据处理，我们以一个学生的例子完成很多次课程的讲解，这个学生数据是这样的：

ID	name	gender	age	height
000001	黎明	男	16	1.88
000002	赵怡春	女	20	1.78
000003	张富平	男	18	1.81
000004	白丽	女	18	1.86
000005	牛玉德	男	17	1.74
000006	姚华	女	18	1.75
000007	李南	男	16	1.76

其中有5个字段，所谓字段是指列，分别是学号、姓名、性别、年龄和身高。有7条记录，所谓记录是指行，每行代表一个学生。

我们要做的第一件事情就是要把这个数据表达出来，只有这样，才能进行后续的任何处理。

这是个二维的网格，在Pandas中，可以通过DataFrame（数据框架）来表示。我们来定义下：

# coding:utf-8
import pandas as pd
from pandas import DataFrame

data = {'ID': ['000001', '000002', '000003', '000004', '000005', '000006', '000007'],
        'name': ['黎明', '赵怡春', '张富平', '白丽', '牛玉德', '姚华', '李南'],
        'gender': [True, False, True, False, True, False, True],
        'age': [16, 20, 18, 18, 17, 18, 16],
        'height': [1.88, 1.78, 1.81, 1.86, 1.74, 1.75, 1.76]
        }
frame = pd.DataFrame(data)
print(frame)

这里增加了三行代码，其中第一行最长。不过细心的同学应该能看出来，它的结构其实很清楚，首先我看等于号右边，是个花括号括起来的整体，里面有5个组成部分，分别通过逗号来分隔，每个组成部分都是一个通过冒号分隔的两部分组成。

我想我在讲解这个的时候，大家已经看明白了，是的，这里的5个组成部分就是5个字段。每个冒号前的名称就是字段的名称，请注意，在Python中这些名称都是字符，因此需要通过单引号或者双引号括起来。每个冒号后都是一个方括号，里面有几个逗号分隔的字符，就有一个记录对应的字段值。这里我们故意使用了不同的数据类型，ID和姓名都是字符，性别采用了布尔型，比如真表示男生，假表示女生，一般对于这种二值表示，布尔型最为方便，年龄是整数型，身高是小数型。看的出来，我们几乎使用了各种常见数据类型。

建议大家没有经验的话，一定要自己书写这个代码，你既能了解编辑器是如何帮助你完成代码功能，也能熟悉编写代码的过程。虽然简单，但是一次能全部写对也并不容易。

全部定义好的这个就是一个称之为字典的东西，于是我们把它保存到一个叫data的变量中。由此可以看的出来，变量名称不加引号，字符要加引号，这就区别开了。

接下来就以通过pandas包中的DataFrame（数据框架）类来创建一个Frame框架。大家能看到，这里的pd就是刚才我们前面导入pandas时as后面的名称，可以理解为as后面表示给这个工具包起个别名，所以你能看到后面的代码中就直接使用pd来表示pandas，否则你就必须写出全部的名称，就是pandas。

在这里，有些常见的写法还是可以再次说明下。

第一，包中的各个类都是通过这个句号点来表示，你可以大胆的输入观察下，pandas中还有很多很多其他的类。

第二，类后的这个括号可以理解为参数，即表示根据什么数据来生成DataFrame。其实，我们完全可以直接把刚才那个字典放进来，也可以！

第三，这次还是像刚才一样，把创建的DataFrame保存在一个变量中，后续就可以根据frame变量来获取它所存储的数据。

为了测试，我们可以最简单的输出下这个DataFrame看看是不是一个二维表格的样子。

这个显示的结果和我们一开始准备好的数据非常像，也请大家一定要检查下。有几个值得注意的问题：

第一，可能大家会发现有些错误，常见的错误就是在刚才输入那个字典时，这里或者那里遗漏些数据。比如你把这个18遗漏的话，系统就会提示你一个错误，意思是数组必须是同一个长度。这个很好理解！毕竟是一个二维表格嘛。

第二，你可能还会发现这个DataFrame会自动在每行记录前增加一个序号，这个被称为索引号（Index），默认就是从0开始的整数。不过，你也可以自己来改变这个定义，比如，我们在DataFrame变量创建的时候，再增加一个参数，给这个index参数强行设定为6到0，那么结果就会改变。

frame = pd.DataFrame(data, index=[6, 5, 4, 3, 2, 1, 0])

好了，这次就说这么多。