在上一篇文章中介紹完基礎的Numpy語法，主要提供多維的矩陣運算，而今天要來介紹的Pandas，基於Numpy多維矩陣運算之外，更是提供DataFrame的方法，DataFrame可以將原本多維的陣列附上行、列標籤，當在整理數據資料時，增加程式撰寫靈活性，並且在資料分組、統計...等，可以清楚呈現。

• 將numpy和pandas匯入，並從新命名

import numpy as np
import pandas as pd

• 產生series資料，並取出它的值

data = pd.Series([0.25, 0.33, 0.85, 1.0])
data.values

array([0.25, 0.33, 0.85, 1. ])

• 取第一行的資料，資料標籤從0開始計算。

data[1]

• 產生0~10範圍整數的3*4陣列，並且定義行的標籤名稱

rng = np.random.RandomState(42)
ser = pd.Series(rng.randint(0, 10, 4))
df = pd.DataFrame(rng.randint(0, 10, (3, 4)),
                  columns=['A', 'B', 'C', 'D'])
df

A B C D
0 6 9 2 6
1 7 4 3 7
2 7 2 5 4

• 建立兩個序列資料，並輸出area與population出現的標籤值。

area = pd.Series({'Alaska': 120000, 'Texas': 8875742,
                  'California': 453788}, name='area')
population = pd.Series({'California': 42577, 'Texas': 26448443,
                        'New York': 757367836}, name='population')
area.index | population.index 

Index(['Alaska', 'California', 'New York', 'Texas'], dtype='object'

• 產生1~10亂數整數的3*3矩陣，其行標籤維'A','B','C'

B = pd.DataFrame(rng.randint(0, 10, (3, 3)),
                 columns=list('ACB'))
B

A C B
0 4 0 9
1 5 8 0
2 9 2 6