在開始學習之前，我們需要安裝pandas模塊。由於我安裝的python的版本是2.7，故我們在https://pypi.python.org/pypi/pandas/0.16.2/#downloads 此網站上下載的0.16.2版本，下載后解壓縮利用dos命令打開對應的文件下，並運行 python setup.py install安裝，可能會出現報錯：error: Microsoft Visual C++ 9.0 is required (Unable to find vcvarsall.bat). Get it from http://aka.ms/vcpython27，此刻轉到http://www.microsoft.com/en-us/download/confirmation.aspx?id=44266，會自動下載Microsoft Visual C++ Compiler for Python 2.7，下載后安裝。然后再運行python setup.py install，就可以正常安裝了，安裝過程在30s左右即可完成。安裝成功后可在idle窗口中
import pandas
查看是否引用成功，成功后就可以開始下一步學習。
輸入輸出數據通常分為幾個大類，讀取文本文件和其他更高效的磁盤存儲格式，加載數據庫中數據，也可以利用web的API操作網絡數據資源。
一、讀取文本格式數據
pandas提供一些將表格數據讀取為dataframe對象的函數。
| read_csv | 從文件，url，文件型對象中加載帶分隔符的數據，默認分隔符為逗號。 |
| read_table | 從文件，url，文件型對象中加載帶分隔符的數據，默認分隔符為制表符（'\t'）。 |
| read_fwf | 讀取定寬格式的數據，無分隔符 |
| read_clipboard | 讀取剪貼板中數據 |
read_csv會為數據分配默認的列名，也可以指定數據的列名如:pd.read_csv('ch06/ex2/csv',names=['a','b','c','d','message'])
假設你希望將message列作為dataframe的索引，可以通過index_col參數指定message:
names=['a','b','c','d','message']
pd.read_csv('ch06/ex2/csv',names=names,index_col='message')
將數據寫出到文本格式
1、利用data_frame的to_csv方法，可以將數據寫到一個以逗號分隔的文件中，也可用sep參數指定分隔符，如 data.to_csv()
2、缺失值寫入輸出時會被表示為空字符串，可使用na_rep表示為別的標記值。
手工處理分隔符格式
對於任何單字符分隔符文件，可以直接使用python內置的csv模塊，將任意打開的文件或文件型的對象傳給csv.reader:
import csv f=open('ch06/ex7.csv') reader=csv.reader(f)
對這個reader迭代將會為每行產生一個列表，為了使數據合乎需求，需要進行一些手工整理：
lines=list(csv.reader(open('ch06\ex7.csv'))) header,values=lines[0],lines[1:] data_dict={h:v for h,v in zip(header,zip(*values))}
csv的文件的形式有很多，只需定義csv.dialect的一個子類即可定義出新格式：
class my_dialect(csv.Dialect): lineterminator='\n' delimiter=';' quotechar='"' reader=csv.reader(f,dialect=my_dialect)
二、JSON數據
JSON數據已經成為通過http請求在wed瀏覽器和其他應用程序之間發送數據的標准格式之一，它是一種比表格型文本格式更靈活的數據格式。
JSON非常接近於有效的python代碼，基本類型都有對象，數組，字符串，數值，布爾型以及null。通過json.loads即可將JSON字符串轉換為python形式。
import json result=json.loads(obj)
json.dump則將python對象轉換為JSON格式
三、XML和HML：WEB信息收集
lxml可以高效可靠的解析大文件，lxml有多個編程接口，首先我們用lxml.html處理HTML，然后再用lxml.objectify做一些XML處理。
（待續）
四、二進制數據格式
實現二進制數據格式存儲最簡單的方法之一是使用python內置的pickle序列化，pandas對象都有一個用於將數據以pickle形式保存到磁盤上的save方法,然后可用pickle函數pandas.load將數據讀回python：
frame=pd.read_csv('ch06/ec1.csv') frame.save('ch06/frame_pickle')
frame.load('ch06/frame_pickle')
使用HDF5格式
HDF5中指的是層次型數據格式，每個HDF5文件都含有一個文件系統式的節點結構，它使你可以儲存多個數據集並支持元數據。HDF5支持多種壓縮器的即時壓縮。
python中有兩個接口處理HDF5，pytable和h5py。
讀取excel文件
pandas的excelfile類支持讀取存儲excel中的表格型數據，由於excelfile用到了xlrd和openpyxl包，所以得先安裝它們(https://pypi.python.org/pypi/xlrd)，通過傳入一個xls或xslx文件的路徑即可創建一個excelfile實例,存放在某個工作表中的數據可以通過parse讀取到dataframe中。
xls_file=pd.ExcelFile('data.xls') table=xls_file.parse('Sheet1')
五、使用HTML和WEB API
許多網站都有一些通過JSON或其他格式提供數據的公用API，通過python訪問這些API簡單推薦的方法是requests包，如下：
網頁信息讀取后可進行更高級一步的處理。
import requests url='http://www.baidu.com' resp=requests.get(url) resp import json data=json.loads(resp.text）
六、使用數據庫
具體應用中，數據很少取自文本數據，更多來源與數據庫（包括關系型數據庫與非關系型數據庫）