前提：假设你已经了解了Python的基础知识，并且已经安装了python3

文章涉及的程序运行在MAC系统下，但代码本身不受限于任何操作系统；大部分代码运行在 IPython Notebook 上。

Pandas系列笔记

如果你需要一种工具来解决数据科学问题的工具，我推荐你使用Pandas，她是一个高性能，高效率，高水平的数据分析库。当然，本文只是学习笔记，如果你想更好的了解Pandas是什么，以及她如何让你着迷的话，我推荐一下两篇文章关于Pandas的介绍（我不确定链接何时失效 ☺）：
1. 十分钟快速入门 Pandas
2. Python 数据科学入门教程：Pandas

Installing pandas with PyPI

Pandas官方支持python版本（Officially Python 2.7, 3.5, 3.6, and 3.7.）

pip install pandas

Installing using your Linux distribution’s package manager

Running the test suite 运行单元测试

Panda提供了一系列详尽的单元测试，目前已覆盖了约97%的代码基。要在您的机器上运行它，以验证一切都都运行正常(并且您已经安装了所有的依赖项，包括软和硬件环境)，请确保您有pytest并运行:

pip install pytest # 安装pytest

import pandas as pd
pd.test()

# output
running: pytest --skip-slow --skip-network /usr/local/lib/python3.6/site-packages/pandas
=================================================================== test session starts ===================================================================
platform darwin -- Python 3.6.5, pytest-3.9.2, py-1.7.0, pluggy-0.8.0
rootdir: /usr/local/lib/python3.6/site-packages/pandas, inifile:
collected 27342 items / 4 skipped
../../../../../../../usr/local/lib/python3.6/site-packages/pandas/tests/test_algos.py ..........................................................X.. [  0%]
......................................................................................................................
一大波单元测试正在靠近..............................................................................
......................................................................................................................
==================== 12130 passed, 12 skipped in 368.339 seconds =====================

Dependencies 依赖

• setuptools: 24.2.0 or higher Python的distutilsde工具的增强工具，可以让程序员更方便的创建和发布 Python 包，特别是那些对其它包具有依赖性的状况。
• NumPy: 1.9.0 or higher NumPy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。
• python-dateutil: 2.5.0 or higher 顾名思义，Date处理工具
• pytz 与dateutil结合使用，处理时区

Recommended Dependencies 推荐依赖

• numexpr: for accelerating certain numerical operations. numexpr uses multiple cores as well as smart chunking and caching to achieve large speedups. If installed, must be Version 2.4.6 or higher. Numpy性能提升工具
• bottleneck: for accelerating certain types of nan evaluations. bottleneck uses specialized cython routines to achieve large speedups. If installed, must be Version 1.0.0 or higher. 用C语言编写的NumPy数组函数的集合

Optional Dependencies 可选依赖

可访问官方文档了解更多依赖选项