pandas 在使用时语法感觉很乱，有什么学习的技巧吗？

Pandas确实因为方法函数众多，光读取数据read()方式就有十几种，而且同一个数据处理场景同时有好几个方法可实现，比如拼接函数merge()和join()，导致使用起来有杂乱的感觉，特别是对于初学者，这种感觉尤为强烈。

先来讲讲Pandas乱的原因，再详细说说怎么学Pandas。

Pandas语法复杂不是设计层面有问题，主要是因为它要做的事太多了，你可以把Pandas看作代码界的Excel，都是处理行列数据的工具，Excel的按钮组件不计其数，比如格式、转化、插入、透视等，Pandas其实也需要处理同样多的事情，Excel的每一个按钮都对应Pandas的一个函数或方法，所以复杂度可见一斑。

其次Pandas还要兼顾面向对象和函数式两种编程风格，比如df.join()是面向对象风格，而pd.merge()则是函数式风格，虽然功能接近，但必须要这样设计。因为面向对象是Python语言的核心理念，而函数式风格又能简化pandas处理数据的流程，所以Pandas的API就格外的多了。

说了Pandas之所以乱的原因，相比你能理解这其中的不得已了。

想用好Pandas，其实也没那么难，你只需要掌握它的核心结构就可以，掌握了全貌就能有的放矢，遇到数据处理问题手到擒来。

Pandas有两种数据结构，DataFrame和Series，一个是二维数组，一个是一维数组，DataFame类似于Excel表格，有行和列，这是用的最多的数据形式。

随之而来的是这两种数据结构有各种各样的方法和属性，用来处理数据，比如apply、join等。

在这两种数据结构的方法之外，Pandas又有顶级函数，方便直接处理数据，一般都是pd.xx形式调用，比如pd.merge()、pd.concat() 。

再来讲讲Pandas中主要的几种操作方法，这里可以参考pandas官方的cheetsheet导图来看，非常的详细且清晰。

首先是数据IO类操作，用来数据加载和导出，多数都是Excel和CSV数据，其实不难。

其次是创建DataFrame操作，这也是大家常遇到的，使用pd.DataFrame()方法。

数据的变形处理同样是高频操作，比如拼接、透视、行列转化、排序等，对应concat、pivot、melt、sort_values等方法。

分组操作也是经常会遇到的，熟悉Excel透视的都会知道，在Pandas里通过groupby方法实现。

不同表的关联，类似SQL中Join，在Pandas中主要使用merge实现。

数据表的子集操作，比如取样、索引、去重、最值、前N行等。

缺失值处理也是数据清洗高频操作，一般会用dropna、fillna。

数据表的统计学汇总，比如行列数、极值、唯一值等。

Pandas也有函数支持可视化图表的绘制，使用plot方法。

pandas支持方法链的操作。

还有很多方法这里不一一介绍了，大家可以多看看Pandas的官方文档，非常详细。