我相信许多朋友在学习python方面有一个共同的目标。即使用Python进行数据分析。要学习如何使用Python进行数据分析，您必须理解并学习这个库。它能使你用一半的努力得到两倍的结果。它是一个python数据分析库pandas。
数据分析从简单到高级可分为一维数据分析、二维数据分析，当你觉得看似非常难学的数据分析，当你结合 Pandas 库学习时，你就会越学习越有趣，因为 Pandas 内提供了大量的简单易读的 API ，让你能够快速上手处理简单的数据或者复杂的数据。
01
学习 Python 数据分析的路线
1、Python 基础
在学习 Python 数据分析前，Python 基础这是不能跳过的，当然，如果你有其它语言基础，可能在学习 Python 基础时会快很多，可能也可以略过，只需了解基础语法就行了。只有学好 Python 基础才能“下一步”学习其它知识点。如 Python 基础语法、数据类型、正则表达式等。
2、数据采集
相信你每天都会进行一次或多次数据查询，当你每百度一下的时候，专卖网站证明你需要获取到某种数据，当获取到数据后，要么写入你的头脑中，要么写入文档中。这一过程就是一个数据采集的过程，在做数据分析前，数据采集是必须的，数据分析，分析的对象是数据，当你没有数据，何谈数据分析呢？
数据大致来自几个地方
一种是自有数据库，通过 SQL 连接数据库进行读取数据；
本地数据，自己长期累计，存于本地未存放于数据的数据；
利用爬虫技术获取某领域的网络实时数据，这种方式一般是数据分析常见的数据来源。
3、数据分析
学习相关的数据分析库，比如数据整理使用到的 numpy 和 pandas 库和 Python 相关的数学函数库。将采集到的数据计算、整理成我们想要的数据。
4、数据可视化
当有了数据时，将数据视图化、直观地查看数据情况是非常必要的，对于非专业的数据分析人员查看数据走势、分布是一种很好展现形式。数据可视化相关的库也有很多，如 Matplotlib、Seaborn、Altair 等都可以快速学习并实现。
02
数据分析库 Pandas
Pandas 是 Python 的核心数据分析支持库，拥有快速、灵活、明确的数据结构，旨在简单、直观、快速地处理关系型、标记型数据，是一款强大、灵活的开源数据分析工具。
Pandas 主要数据结构是一维数据(Series)、二维数据（DataFrame），这两种数据结构能满足金融、统计、社会科学等领域中大多典型用例。Pandas 是基于 NumPy 开发，可以与其它第三方计算支持库完美集成。
