今天，要跟大家分享一個在Python裡很重要的一個模組—Pandas! 什麼是Pandas呢? 對於初次接觸的人來說，我們可以把他想像成是Python中的Excel! 簡單來說，在Excel中可以做得到事情，在Pandas裡面幾乎都可以輕易地做到!Pandas在金融領域中尤其重要!舉凡資蒐集、彙整、回測、風險控管等等，樣樣難不倒他!事不遲疑，讓我們一起來認識Pandas吧!
在Pandas裡面，主要包含兩種資料結構，分別為Series與DataFrame。Series為單行資料，可以是時間序列資料(Time Series Data)，亦可以是橫斷面資料(Cross-sectional Data)。而DataFrame就像Excel的介面一樣，可以包含多個行與列的資料，故資料可為方格資料(Panel Data)，可同時包含橫斷面資料與時間序列資料。
(一)引入Pandas
在使用Pandas之前，首先，我們要先引入這個模組，方法如下。
這樣，我們之後要呼叫pandas裡面的功能時，就可直接用”pd”呼叫了!
(二) Series
Series為一維度(one-dimensional array)的資料結構。
接下來，讓我們一起進入Series的世界吧!
1.建立Series
在引入pandas模組之後，我們只要輸入pd.Series(資料)，就可以直接建構起一個series的資料結構，如下圖所示。
在這邊我們也可以注意到，Series的資料結構會主動給予每筆資料index,從0開始。另外，從型態上(type)，我們也可以很清楚的看到，資料存在於series的資料結構裡面。
2. 將numpy的資料轉換為Series的資料結構
很多時候，其實我們已經有了整筆資料，然而，因為我們需要使用pandas裡面的功能，所以必須把資料型態轉換為pandas裡面可以處理的態樣，Series或DataFrame。在這邊，我們可以想像常把資料匯入Excel裡面，才能夠用Excel的功能來分析處理數據內容。
舉例來說，我們可以用先前所學的numpy模組來建立抽樣資料，資料形態一開始為array。透過pd.Series(資料變數名稱)，則可以立即將資料型態由array轉換為Series (如下圖的type所示)，後續將可使用pandas模組裡面的功能，相當方便。
在這邊可以看到，除了型態的轉換外，在Series的資料結構中，也直接顯示了index。若是我們想幫index取名字，也可以透過直接指定的方式，如下圖所示。
3.從dictionary建立series
還記得python基礎資料結構中的dictionary嗎? 在dictionary的資料結構中，每筆資料都包含一個key跟相對應的values。從dictionary轉換到Series的過程中，這個key就可以合理的直接變成index，也就是說，透過dictionary，我們不用再做指定，特定的index就渾然天成啦!
4.Series取值
Series的取值方式，非常簡單。主要分為兩種方式，”[]”與”.”。第一種方式為 series名稱[‘索引名稱’]，就可以找到該索引名稱相對應的值。第二種方式為 series名稱.索引名稱，亦可以找到該索引名稱相對應的值。依照上例，詳見下圖。
5. vectorised function
先前我們在numpy模組中所討論過的vectorised function，一樣適用在Series唷!
當我們要對series裡面所有元素做相同運算時，直接對整個series做計算即可，範例如下:
另外，我們可以進一步看到，若是我們將series y裡面的’c’改成’d’，在無法計算的情況下，series會聰明的自動補缺值(nan)唷!
6. 時間序列資料
在生成時間序列資料方面，pandas可是相當好用唷! 只要透過 pd.date_range(‘起始日期’, periods=日期長度)，就可以立刻建立起日期索引唷!
而這個索引，也可以直接套到我們的資料上面，生成一個完整的time series資料唷!
7. series繪圖
結合我們前幾章節提到的簡單繪圖，Series 也可以超快速的畫出時間序列資料最基本的折線圖唷!
到這邊，相信大家已經對Series有了更進一步的認識。下個單元，我們將介紹可以涵蓋更多維度資料的DataFrame給大家唷!