有關pandas模塊的學習與應用主要介紹以下8個部分：
1、數據結構簡介：DataFrame和Series
2、數據索引index
3、利用pandas查詢數據
4、利用pandas的DataFrames進行統計分析
5、利用pandas實現SQL操作
6、利用pandas進行缺失值的處理
7、利用pandas實現Excel的數據透視表功能
8、多層索引的使用

我們在中已經介紹到了第五部分的利用pandas實現SQL操作，我們接著往下講pandas模塊中的其他的知識點。

六、缺失值處理

現實生活中的數據是非常雜亂的，其中缺失值也是非常常見的，對于缺失值的存在可能會影響到后期的數據分析或挖掘工作，那么我們該如何處理這些缺失值呢？常用的有三大類方法，即刪除法、填補法和插值法。
刪除法：當數據中的某個變量大部分值都是缺失值，可以考慮刪除改變量；當缺失值是隨機分布的，且缺失的數量并不是很多是，也可以刪除這些缺失的觀測。
替補法：對于連續型變量，如果變量的分布近似或就是正態分布的話，可以用均值替代那些缺失值；如果變量是有偏的，可以使用中位數來代替那些缺失值；對于離散型變量，我們一般用眾數去替換那些存在缺失的觀測。
插補法：插補法是基于蒙特卡洛模擬法，結合線性模型、廣義線性模型、決策樹等方法計算出來的預測值替換缺失值。

我們這里就介紹簡單的刪除法和替補法：

這是一組含有缺失值的序列，我們可以結合sum函數和isnull函數來檢測數據中含有多少缺失值：

1.In [130]: sum(pd.isnull(s))
2.Out[130]: 9

直接刪除缺失值

默認情況下，dropna會刪除任何含有缺失值的行，我們再構造一個數據框試試：

返回結果表明，數據中只要含有缺失值NaN,該數據行就會被刪除，如果使用參數how=’all’，則表明只刪除所有行為缺失值的觀測。

使用一個常量來填補缺失值，可以使用fillna函數實現簡單的填補工作：

1）用0填補所有缺失值

2)采用前項填充或后向填充

3)使用常量填充不同的列

4)用均值或中位數填充各自的列

很顯然，在使用填充法時，相對于常數填充或前項、后項填充，使用各列的眾數、均值或中位數填充要更加合理一點，這也是工作中常用的一個快捷手段。

七、數據透視表

在Excel中有一個非常強大的功能就是數據透視表，通過托拉拽的方式可以迅速的查看數據的聚合情況，這里的聚合可以是計數、求和、均值、標準差等。
pandas為我們提供了非常強大的函數pivot_table()，該函數就是實現數據透視表功能的。對于上面所說的一些聚合函數，可以通過參數aggfunc設定。我們先看看這個函數的語法和參數吧：

1.pivot_table(data,values=None,
2.index=None,
3.columns=None,
4.aggfunc='mean',
5.fill_value=None,
6.margins=False,
7.dropna=True,
8.margins_name='All')
9.data：需要進行數據透視表操作的數據框
10.values：指定需要聚合的字段
11.index：指定某些原始變量作為行索引
12.columns：指定哪些離散的分組變量
13.aggfunc：指定相應的聚合函數
14.fill_value：使用一個常數替代缺失值，默認不替換
15.margins：是否進行行或列的匯總，默認不匯總
16.dropna：默認所有觀測為缺失的列
17.margins_name：默認行匯總或列匯總的名稱為'All'

我們仍然以student表為例，來認識一下數據透視表pivot_table函數的用法：
對一個分組變量（Sex），一個數值變量（Height）作統計匯總

對一個分組變量（Sex），兩個數值變量（Height,Weight）作統計匯總

對兩個分組變量（Sex，Age)，兩個數值變量（Height,Weight）作統計匯總

很顯然這樣的結果并不像Excel中預期的那樣，該如何變成列聯表的形式的？很簡單，只需將結果進行非堆疊操作（unstack）即可：

看，這樣的結果是不是比上面那種看起來更舒服一點？

使用多個聚合函數

有關更多數據透視表的操作，可參考一文

八、多層索引的使用

最后我們再來講講pandas中的一個重要功能，那就是多層索引。在序列中它可以實現在一個軸上擁有多個索引，就類似于Excel中常見的這種形式：

對于這樣的數據格式有什么好處呢？pandas可以幫我們實現用低維度形式處理高維數數據，這里舉個例子也許你就能明白了：

對于這種多層次索引的序列，取數據就顯得非常簡單了：

對于這種多層次索引的序列，我們還可以非常方便的將其轉換為數據框的形式：

以上針對的是序列的多層次索引，數據框也同樣有多層次的索引，而且每條軸上都可以有這樣的索引，就類似于Excel中常見的這種形式：

我們不妨構造一個類似的高維數據框：

同樣，數據框中的多層索引也可以非常便捷的取出大塊數據：

在數據框中使用多層索引，可以將整個數據集控制在二維表結構中，這對于數據重塑和基于分組的操作（如數據透視表的生成）比較有幫助。
就拿student二維數據框為例，我們構造一個多層索引數據集：

講到這里，我們關于pandas模塊的學習基本完成，其實在掌握了pandas這8個主要的應用方法就可以靈活的解決很多工作中的數據處理、統計分析等任務。有關更多的pandas介紹，可參考pandas官方文檔：

強烈推薦《Python數據分析》和《利用Python進行數據分析》兩本書，書中詳細講解了如何使用numpy、pandas、scipy、matplotlib等模塊進行數據分析，目前我也正在使用這兩本參考書，感興趣的朋友可以一起學習，共同進步。學習任何一門計算機語言都需要你不斷的思考和敲擊鍵盤，每天進步一點點，你會感謝一年前努力的自己！