在Colab跑我們的TensorFlow，其中要pandas範例來練習。Pandas是個重要且流行的套件（library）是個不錯的工具。

（本篇使用first-steps-with-tensorflow）

在Crash course課程中，有說到機器學習有個重要的插件，就是「Pandas」（熊貓們）
Pandas這個套件適合做資料整理與分析，簡單上手，使用標籤和索引可以快速的處理數據，是個好用工具。
而他有兩個特殊的資料結構，叫做DataFrame與Series。DataFrame可以當做資料表，裡面放著要處理的資料，Series則可以看成資料庫的每一行資料。

說明：

（可以操作Quick Introduction to pandas，在Colab中可以進行各種實作）

• DataFrame

可以視為一個關係型的資料表，裡面包含了已經命名的列，以及多個資料行，也就是Series，而這些資料行的列不一定相同。

Series，它是单一列。DataFrame 中包含一个或多个 Series，每个 Series 均有一个名称。

• Series

是一個類似陣列的物件，也可以當做資料表內的每一筆資料。由Series組成DataFrame。

廢話不多說，來實作看看就知道這些關係囉！

實作：

首先要開始的當然是引用Pandas：

import pandas as pd
pd.__version__

這樣就可以使用pandas（以pd為名）。

接著我們先看一下series怎麼運作：

pd.Series(['San Francisco', 'San Jose', 'Sacramento'])

在Series內有個陣列，裡面放著三個城市，這樣的結構，就是完整的Series，夠簡單吧！

我們可以把不同的Series放在同一個DataFrame內，像是我們把資料放在dic中，把城市和人口的資料放入，組成一個新的table（Series）。

city_names = pd.Series(['San Francisco', 'San Jose', 'Sacramento'])
population = pd.Series([852469, 1015785, 485199])

pd.DataFrame({ 'City name': city_names, 'Population': population })

所以會形成表單：

萬一Series彼此的資料數不同呢？會不會產生問題？
答案是不會，因為系統會自動把缺的欄位加上「NA/NaN」。那我們來試看看，在城市後面增加個「睫毛城」。

city_names = pd.Series(['San Francisco', 'San Jose', 'Sacramento', '睫毛城'])
population = pd.Series([852469, 1015785, 485199])

pd.DataFrame({ 'City name': city_names, 'Population': population })

結果會是：

你會發現，如果用手輸入會很蠢，因為我們的數據都是幾萬幾十萬筆，用手輸入會打到天荒地老，因此也可以用外部輸入資料的方式：

california_housing_dataframe = pd.read_csv("https://download.mlcc.google.cn/mledu-datasets/california_housing_train.csv", sep=",")
california_housing_dataframe.describe()

資料表呈現節錄如下：

可以看得出來很方便的整理資料！！

而在呈現方面，可以使用california_housing_dataframe.head()、california_housing_dataframe.hist('housing_median_age')......，這些都可以讓資料呈現有所變化。其餘詳細資料可以在Colab裡面玩耍與觀察，這邊就不詳細說明！

睫毛之聲：
Pandas真的是好用的工具！善用的話可以很容易的整理與呈現資料