关于 pandas #

发展历史 #

pandas 于 2008 年在 AQR Capital Management 开始开发。到 2009 年底，它已经 开源，并且今天仍然得到世界各地志同道合的社区的积极支持，他们贡献宝贵的时间和精力，帮助开源 pandas 成为可能。感谢 我们所有的贡献者。

自 2015 年以来，pandas 一直是 NumFOCUS 赞助的项目。这将有助于确保 pandas 作为世界一流的开源项目的发展成功。

时间表 #

• 2008：pandas 开始开发
• 2009：pandas 开源
• 2012：《Python for Data Analysis》第一版出版
• 2015：pandas 成为 NumFOCUS 赞助的项目
• 2018：首次线下核心开发者冲刺

库亮点 #

• 用于数据操作的快速高效的 DataFrame 对象，带有集成索引；

• 用于在内存数据结构和不同格式之间读取和写入数据的工具：CSV 和文本文件、Microsoft Excel、SQL 数据库以及快速的 HDF5 格式；

• 智能的数据对齐和集成的缺失数据处理：在计算中获得自动基于标签的对齐，并轻松将混乱的数据处理成有序的形式；

• 灵活的数据集重塑和透视；

• 智能的基于标签的切片、花式索引和大数据集的子集划分；

• 可以从数据结构中插入和删除列以实现大小可变性；

• 通过强大的分组依据引擎对数据进行聚合或转换，该引擎允许对数据集进行拆分-应用-合并操作；

• 高性能的数据集合并和连接；

• 分层轴索引提供了一种直观的方式来在较低维度的​​数据结构中处理高维度数据；

• 时间序列功能：日期范围生成和频率转换、移动窗口统计、日期移位和滞后。甚至可以创建特定域的时间偏移量，并且在不丢失数据的情况下连接时间序列；

• 性能高度优化，关键代码路径用 Cython 或 C 编写。

• Python 结合 pandas 在各种学术和商业领域都有应用，包括金融、神经科学、经济学、统计学、广告、网络分析等。

使命 #

pandas 旨在成为用 Python 进行实际、真实世界数据分析的基本高级构建块。此外，它还有更广泛的目标，即成为任何语言中最强大、最灵活的开源数据分析/操作工具。

愿景 #

一个数据分析和操作软件的世界，它

• 人人可及
• 用户免费使用和修改
• 灵活
• 强大
• 易于使用
• 快速

价值观 #

pandas 的核心是尊重和欢迎所有人，包括用户、贡献者和更广泛的社区。无论经验水平、性别、性别认同和表达、性取向、残疾、外表、体型、种族、民族、年龄、宗教或国籍如何。