当前位置: 首页 > news >正文

001 Pandas 的由来

大家好,我是张大鹏,欢迎来到大鹏AI教育。
在 AI 时代,我们一起学编程、做项目,把技术真正用起来。

Pandas 是 Python 中非常重要的一个数据分析库。
它最早由Wes McKinney(韦斯·麦金尼)在 2008 年左右开发。
当时,Wes McKinney 在一家量化投资公司AQR Capital Management(AQR 资本管理公司)工作。

在工作中,他经常需要用 Python 处理大量金融数据,比如股票价格、交易记录、行情数据和时间序列数据。
但是那个时候,Python 虽然已经很好用,却缺少一个专门处理表格数据和数据分析的工具。
比如:
一份金融数据里,可能有日期、股票代码、开盘价、收盘价、成交量等字段。
这些数据看起来很像 Excel 表格,但如果数据量很大,用普通 Python 代码处理起来就会比较麻烦。

于是,Wes McKinney 开始开发一个新的工具。
这个工具的目标很明确:
让 Python 更方便、更高效地处理表格数据。
这就是后来我们熟悉的Pandas

Pandas 最早主要用于金融行业。
因为金融行业每天都会产生大量数据,而且这些数据经常需要进行清洗、筛选、统计和分析。
Pandas 正好解决了这些问题,所以很快受到量化分析师、交易员和研究人员的欢迎。
后来,随着 Python 越来越流行,Pandas 也逐渐走出金融行业,被应用到更多数据分析场景中。

这一节我们只需要记住一句话:
Pandas 最早诞生于金融数据分析场景,它的出现,是为了解决 Python 处理表格数据不够方便的问题。
后面我们学习 Pandas,其实就是学习如何用 Python 高效地处理表格数据。

好了,这节课我们就先讲到这里。
我是张大鹏,关注大鹏AI教育,我们一起在 AI 时代学编程、做项目。

http://www.cnnetsun.cn/news/2946651.html

相关文章:

  • Python Selenium自动化抢票脚本:从原理到实战的完整指南
  • 解放观影体验:Kodi字幕库插件三大核心优势深度解析
  • FigmaCN中文汉化插件:3分钟让Figma界面完全中文化的终极指南
  • 【模型架构篇14】小模型与端侧部署:2026年,你的手机里藏着一个GPT-4
  • 网盘直链下载助手LinkSwift:九大平台高效下载解决方案完整指南
  • TegraRcmGUI:15分钟掌握Switch系统注入的终极实践指南
  • 前端开发者签名:一行console.log的技术人格表达
  • 如何3步搞定空洞骑士模组管理:Lumafly终极指南
  • 暗黑破坏神2重制版多开解决方案:D2RML令牌管理技术深度解析
  • 从单体到SOA:真实业务系统架构演化的七次关键跃迁
  • 自由度的本质:数据中独立信息的量化与实战审计
  • XML解析错误排查指南:从特殊字符转义到MyBatis实战
  • D2DX暗黑破坏神2增强补丁:三分钟解锁宽屏高帧率现代体验
  • Cats Blender插件:VRChat模型优化的5大核心功能与实战指南
  • 阿里云Kubernetes集群托管完全指南:从创建到生产级运维
  • 专业级英雄联盟回放分析工具:ReplayBook深度配置与高效使用指南
  • 3步掌握Destiny 2 Solo Enabler:打造专属单人游戏体验的终极指南
  • AI驱动测试与手工测试的协同决策模型
  • 在浏览器中实现专业级CAD建模:OpenCascade.js完全指南
  • WorkshopDL:打破平台壁垒,让非Steam玩家也能畅享创意工坊
  • 副队长CSS教程(10)–分组选择器
  • 通用AI“水土不服”?企业需要的是“懂行”的智能能力
  • 5分钟搞定Windows和Office激活:KMS_VL_ALL_AIO智能激活终极指南
  • 计算机毕业设计之jsp笔记本销售网站
  • 为什么Mac Mouse Fix能让10美元鼠标超越苹果触控板?
  • 5个理由让你立即尝试Claude Code:终端里的AI编程伙伴
  • OmenSuperHub终极指南:3步彻底释放惠普游戏本性能,告别臃肿官方软件
  • Node.js电商监控终极指南:打造智能自动下单系统
  • 数据科学角色光谱:从BDA到AI应用工程师的实战演进
  • 全网最全!2026AI论文网站榜单(覆盖 99% 论文写作需求)