登山前，要找到一条相对高效的路径，先从远处观察一下整体的结构是很有帮助的。通过对比几本书籍的目录和简介的方式。我觉得这条路径的入口在pandas这里。因为我观察下来，要入门量化要掌握统计的知识、分析工具的知识、绘图工具的知识。其中统计的知识相对专业和枯燥，却属于内功不可不练。而图形化则属于外包装，给分析结果一个直观的呈现。能够实现统计方法的pandas是真正核心的处理层。在这里实现数据的具体分析行为。

为了避开从入门到放弃的陷阱，最好的方法就是不断的去的阶段性的小成果。具体的方法就是找一个相对小的方向，直接上手进行分析，然后在分析的过程中，因为需要去学习相关的统计和图形化的知识。我一直喜欢这种从一个实例项目入手，根据实际问题的需要进行连接式学习的方法。多做几个实例，有了感觉，再根据自己的需要进行系统的理论学习。可以避免直接系统学习理论因为枯燥而过早放弃的情况。

于是新开一个专题，专门用于记录pandas的学习心得和进展。但求日拱一卒，实现知识和技能的积累。

pandas是Python的数据分析工具，它建立的目的就是为 Python 引入 series 和 frames 两个数据结构。这两个数据结构则是最早的数据科学语言R的核心。pandas给这两个结构有增加大量的附加方法。方便对数据的分析处理。

为了便于理解可以将frame看做一个大的Excel表格。它具有列、行、行号。而series则是只有一列的frame。pands和pyplot配合在一起就可以对分析的结果进行可视了。

学习最好的方法还是动手和输出，于是我想要结合神别的数据来做一些列子，这样做起来更接地气，也更有意思。跟着例子去算美国的数据，实在是提不起兴趣。通过半小时简单的搜索，之中选定了天气数据，足够简单也容易获取：）花了一点时间扒下来了昆明的历史天气数据。然后就可以开始动手了：）目标是绘制气温分布的直方图。

首先来做一下数据准备的工作使用 read_csv 方法就可以读取csv文件的数据初始化一个frames。

import pandas as pd
fr = pd.read_csv('kunming.txt',header=None,names=('date','status','temperature','wind'))
fr

以上代码在python的控制台，就可以看到已经加载的数据。

加载的数据

可以看到加载了2838条数据，数据一共分成了4列（图中的第一列是索引列，不是数据）。frames对象提供了head和tail两个方法来观察数据的头部和尾部的五条数据。

head()的结果

接下来要做一个直方图，写数据里边温度分布的情况。为此，先通过如下的语句，把温度提取出来。

tp = fr.temperature

把frame当做一个二维表理解，可通过列名，（就是我们读取csv文件时通过names参数指定的）读取出来。读出的一列就是一个serise。也可以使用fr['temperature']的方式读取，有点类似字典的操作方法。这个时候的tp是一个只有一个serise的frame。

要绘制直方图，需要一个整形的数据，这里的数据是“16℃/3℃”的形式，含义是最高温度/最低温度。不满足统计的要求。所以要对数据进行变换。组要理解一个frame就是一个二维表，每个列（serise）边的数据是一个numpy对象。frame为我们提供了变换函数，可以对整个frame进行操作。例如“16℃/3℃”这样的形式，我们需要把16提取出来，可以对每一个数据进行如下的操作。

这样就得到了一个符合形式要求的结果，具体的语句如下

tp = fr.temperature.transform(lambda x:x.split("/")[0][0:-3]).astype(int)

其中 lambda x:x.split("/")[0][0:-3] 就是上表的三个处理步骤。transform 是 frame 提供的一个变换函数，接受一个函数作为处理方法。并逐个把元素传给处理参数处理，最终完成变换。但是要注意的是在这里，变换之后的数据类型是object 而我需要的是int 所以使用了frame提供的astype方法将类型转换为了int型。然后就可以进行图形的绘制了。绘制直方图使用maltlab 提供的hist方法即可。

效果如下：

最高天气的直方图

可以看出在这接近8年的时间里，昆明的寒冷和酷热天气的情况还是比较少的。当得起“春城”的称号。

走到这里，已经可以读取数据，分析数据，展现数据了。把大象关进冰箱的三步，已经学会了。后边可以根据自己的需要，将相关的统计学和统计工具的知识填充进这个例子里边了：）

完整的代码如下：

import matplotlib.pyplot as plt
import pandas as pd

fr =pd.read_csv('kunming.txt',header=None,names=('date','status','temperature','wind'))
tp = fr.temperature.transform(lambda x:x.split('/')[0][0:-3]).astype(int)
plt.hist(tp)
plt.show()

天气历史数据的来源是
http://www.tianqihoubao.com/lishi/ 有兴趣的朋友可以用自己城市的天气数据练练手