如果你想充分發揮Python的強大作用，如果你想成為一名好的Python工程師，你應該先學好Pandas。
這是一本全面覆蓋了Pandas使用者的普遍需求和痛點的著作，基於實用、易學的原則，從功能、使用、原理等多個維度對Pandas做了全方位的詳細講解，既是初學者繫統學習Pandas難得的入門書，又是有經驗的Python工程師案頭必不可少的查詢手冊。

本書共17章，分為七部分。

部分（第1～2章） Pandas入門
首先介紹了Pandas的功能、使用場景和學習方法，然後詳細講解了Python開發環境的搭建，Z後介紹了Pandas的大量基礎功能，旨在引領讀者快速入門。

第二部分（第3～5章） Pandas數據分析基礎
詳細講解了Pandas讀取與輸出數據、索引操作、數據類型轉換、查詢篩選、統計計算、排序、位移、數據修改、數據迭代、函數應用等內容。

第三部分（第6～9章） 數據形式變化
講解了Pandas的分組聚合操作、合並操作、對比操作、數據透視、轉置、歸一化、標準化等，以及如何利用多層索引對數據進行升降維。

第四部分（第10～12章） 數據清洗
講解了缺失值和重復值的識別、刪除、填充，數據的替換、格式轉換，文本的提取、連接、匹配、切分、替換、格式化、虛擬變量化等，以及分類數據的應用場景和操作方法。

第五部分（第13～14章）時序數據分析
講解了Pandas中對於各種時間類型數據的處理和分析，以及在時序數據處理中經常使用的窗口計算。

第六部分（第15～16章） 可視化
講解了Pandas的樣式功能如何讓數據表格更有表現力，以及Pandas的繪圖功能如何讓數據自己說話。

第七部分（第17章） 實戰案例
介紹了從需求到代碼的思考過程，如何利用鏈式編程思想提高代碼編寫和數據分析效率，以及數據分析的基本方法與需要掌握的數據分析工具和技術棧，此外還從數據處理和數據分析兩個角度給出了大量的應用案例及代碼詳解。

近年來，國內掀起了一股學習Python的熱潮。作為一名互聯網產品經理，我也不能免俗。憑借不錯的學習能力，我很快就入了門，但接下來，用Python來干什麼卻成了問題，我因此迷茫了很久。後來我做數據相關的產品，經常要涉及數據采集、數據處理、數據分析等工作，總算有了相契合的使用場景。使用Python的時間越長，對Python的強大功能的體會就越深，於是我又把它推廣到了團隊。
這段從入門到實踐的Python學習之旅也引發我思考：我們學習Python是在學什麼？雖然聽說Python什麼都能做，但我發現，普通學習者在學習了Python的語法、數據類型、流程控制、函數、類等內容後，還是不知道Python能解決什麼問題。
於是，我找到Python在全社會常見、廣泛的使用場景，那就是收集數據、處理Excel表格、做數據分析，簡單來說就是代替Excel的復雜操作，實現高效辦公。而Pandas正是解決這方面問題的專業數據科學庫。Pandas既能完成上述這些基礎操作，又能在數據建模、機器學習等更高層次的領域發揮重要作用。
所以，對於Python的初學者，我都建議直接學Pandas，因為一來它能應對上述真實需求，學完就能解決問題；二來隨著學習的深入，你會發現不論哪個領域都需要一個數據結構來承載數據，而Pandas提供的Series和DataFrame結構正好解決了這個問題。
讀者對像
如同Python在諸多領域有廣泛應用一樣，Pandas處理的是數據問題，同樣在各行各業都能展現其魅力，因此本書沒有預設讀者的行業和職業。閱讀本書需要掌握一點Python的語法、數據結構和函數方面的基礎知識，不過零基礎的讀者也完全可以理解本書的內容，本書會介紹Python環境的安裝和Python的數據結構，方便初學者入門學習。閱讀本書也不需要有專業的線性代數和概率統計學知識，隻需具備基礎的數學知識即可。
不過，還是強烈推薦以下人群閱讀本書：
Excel中度、重度使用者，如文秘、公關人員、教師，從事行政、人力資源、市場和銷售等工作的人員；
數據分析師、商業分析師、數據科學家；
互聯網運營人員、數據運營人員；
互聯網產品經理、項目經理；
開發人員、測試人員、算法人員；
財務、會計、金融從業者；
企業決策者、管理人員。
本書特色
不同於市面上眾多由開發人員編寫的Python圖書，本書作者非技術人員出身，更能從用戶體驗角度入手解決學習者的痛點。本書有以下特色：
專注於介紹Pandas；
非技術思維，語言通俗易懂，面向應用；
不需要相關背景知識，不引入Python的高級用法；
減少變量的傳遞，代碼短小精練；
覆蓋知識全，幾乎囊括了Pandas的所有函數和方法；
較少使用專業技術名詞及統計學知識；
案例使用極簡數據集，方便理解；
使用了流行的鏈式方法，代碼簡潔，邏輯清晰，可讀性強；
有大量的實用案例。
為了減少篇幅，書中未展示部分不必要的輸出結果，讀者可自行執行代碼查看結果。本書沒有一一介紹一些方法的不重要參數，對有些同時適用於DataFrame和Series的方法也未重復介紹，讀者可參考Pandas官方文檔進一步學習。除了常規的繫統學習外，還可以將本書作為工具書，在日常操作中隨手查閱。本書也可作為技能培訓教材，在教學中使用。
如何閱讀本書
使用Pandas是一項技能，需要多動手實踐纔能熟練掌握。因此，閱讀本書好的方法是緊跟書中的思路，對照書中的代碼，自己輸入電腦中運行，然後在工作和生活中發現應用場景，去解決實際問題。同時建議將本書所有的方法都過一遍，以了解各種工具的作用，這樣遇到問題時心中纔會有方案。後，建議多看看Pandas官方文檔，學會看API說明，如果有能力，可以看看源碼的實現，讓自己對Pandas的掌握更上一層樓。
本書共17章，分為七部分，全面介紹了如何利用Pandas進行數據處理和數據分析。
部分（第1～2章）Pandas入門
主要介紹了Python和Pandas是什麼，它們有哪些數據結構和數據類型，以及Pandas開發環境的搭建，此外還介紹了Pandas的快速入門。
第二部分（第3～5章）Pandas數據分析基礎
主要介紹了Pandas讀取與輸出數據、索引操作、數據類型轉換、查詢篩選、統計計算、排序、位移、數據修改、數據迭代、函數應用等內容。
第三部分（第6～9章）數據形式變化
主要介紹了Pandas的分組聚合操作、合並操作、對比操作、數據透視、轉置、歸一化、標準化等，還包括利用多層索引對數據進行升降維處理。
第四部分（第10～12章）數據清洗
主要介紹了缺失值和重復值的識別、刪除、填充，數據的替換、格式轉換，文本的提取、連接、匹配、切分、替換、格式化、虛擬變量化等，還介紹了分類數據的應用場景和操作方法。
第五部分（第13～14章）時序數據分析
主要介紹了Pandas中對於時間類型數據的處理和分析，包括固定時間、時長、周期、時間偏移等的表示方法、查詢、計算、格式處理，以及時區轉換、重采樣、工作日和工作時間的處理方法。本部分還講解了在時序數據處理中經常使用的窗口計算。
第六部分（第15～16章）可視化
主要介紹了P

Python在大數據、人工智能領域的應用十分廣泛，依托其豐富的數據科學生態庫，我們可以高效地進行相關的理論研究和業務實踐。作為Python數據科學的核心力量之一，Pandas是學習大數據、人工智能的基礎工具。本書從理論到實踐、深入淺出地對Pandas做了全面介紹，是非常合適的學習材料。

——張軍平  復旦大學計算機科學技術學院教授

       Pandas是一款大數據領域的優秀工具，擁有非常廣泛的應用場景。本書是一本全面講解Pandas的優秀著作，不僅詳細介紹了Pandas的數據采集、處理、展示等常見實踐場景，而且給出了豐富的代碼示例和運行效果，是理論和實踐相結合的典範。

——陳運文  博士/國家“萬人計劃”專家/達觀數據CEO

Pandas是一個快速、強大、靈活且易用的開源數據分析和操作工具，它建立在Python之上，已被廣泛應用在統計分析和機器學習領域。它是建立數據分析管道的後一公裡，熟練掌握它，我們就能從海量數據中高效提取關鍵信息。本書全面繫統地介紹了Pandas的各種方法，並結合簡潔、清晰的代碼片段，輔以大量的應用案例，使我們能夠深刻理解Pandas的設計理念，並掌握其使用方法，非常值得閱讀。

——耿傑森 美國數據工程與科學協會主席

       作為Python的重度使用者，我將Pandas作為處理數據的主要工具庫。本書覆蓋了日常工作中的主要數據處理場景，詳細介紹了眾多的功能和方法，且內容深入淺出，簡單易懂。本書既可以作為初學者的Pandas入門書，也可以作為Pandas高手隨手查閱的工具書。

——宋天龍   觸脈咨詢合伙人/《Python數據分析與數據化運營》作者

       對於互聯網時代的分析師而言，利用Python進行數據處理已經成為一項基礎能力，而Pandas是Python中用來處理數據的核心庫，因此我們十分有必要掌握它。本書深入淺出地介紹了Pandas的常見用法，推薦給想要繫統學習Pandas的讀者。

——張俊紅 《對比Excel，輕松學習Python數據分析》作者