使用此CSV示例：
Source,col1,col2,col3
foo,1,2,3
bar,3,4,5
我使用Pandas的标准方法是：
解析CSV
选择数据框中的列（
col1和col3）- 处理列（例如，将
col1和的值平均化col3）
是否有一个像Pandas这样的JavaScript库？
Answers:
所有答案都很好。希望我的答案是全面的（即尝试列出所有选项）。我希望以任何标准返回并修改此答案，以帮助做出选择。
希望有人来这里熟悉d3。d3在处理Javascript中的数据时非常有用的“瑞士军刀”，例如pandas对Python很有帮助。您可能会看到d3经常使用像pandas，即使d3是不完全是一个数据帧/大熊猫更换（即d3不具有相同的API;d3没有Series/DataFrame其行为类似于pandas）
艾哈迈德（Ahmed）的答案解释了如何使用d3 来实现某些DataFrame功能，并且以下某些库的灵感来自使用和的LearnJsData之类的东西。d3lodash
至于以DataFrame为重点的功能，我不知所措，这对JS库很有帮助。这是您可能遇到的一些选项的快速列表。我尚未详细检查其中的任何一项（大多数是在Google + NPM搜索中找到的）。
请谨慎使用可以使用的各种工具；有些是Node.js（又名服务器端Javascript），有些是与浏览器兼容的又名客户端Javascript。有些是打字稿。
然后来到这个问题，在这里检查其他答案并进行更多搜索之后，我发现了类似的选项：
我希望这篇文章可以成为社区Wiki，并根据以下不同标准进行评估（即比较上述不同选项）：
Jupyter
（如交互式笔记本电脑）等的集成JS库可能无法做的某些事情（但是可以吗？）
我一直在研究JavaScript的数据处理库，称为数据伪造。它受到LINQ和Pandas的启发。
可以这样安装：
npm install --save data-forge
您的示例将如下所示：
var csvData = "Source,col1,col2,col3\n" +
"foo,1,2,3\n" +
"bar,3,4,5\n";
var dataForge = require('data-forge');
var dataFrame =
dataForge.fromCSV(csvData)
.parseInts([ "col1", "col2", "col3" ])
;
如果您的数据位于CSV文件中，则可以这样加载：
var dataFrame = dataForge.readFileSync(fileName)
.parseCSV()
.parseInts([ "col1", "col2", "col3" ])
;
您可以使用该select方法转换行。
您可以使用提取列，getSeries然后使用select方法转换该列中的值。
您可以像这样从数据框中获取数据：
var data = dataFrame.toArray();
平均一列：
var avg = dataFrame.getSeries("col1").average();
您可以做更多的事情。
您可以在npm上找到更多文档。
Ceaveat以下仅适用于d3 v3，而不适用于最新的d4v4！
我只喜欢d3.js，虽然它不能完全替代Pandas，但是如果您花一些时间学习它的范例，它应该能够处理所有为您处理的数据。（而且，如果您最终想在浏览器中显示结果，则非常适合这样做。）
例。我的CSV文件data.csv：
name,age,color
Mickey,65,black
Donald,58,white
Pluto,64,orange
在同一目录中，创建一个index.html包含以下内容的：
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8"/>
<title>My D3 demo</title>
<script src="http://d3js.org/d3.v3.min.js" charset="utf-8"></script>
</head>
<body>
<script charset="utf-8" src="demo.js"></script>
</body>
</html>
以及demo.js包含以下内容的文件：
d3.csv('/data.csv',
// How to format each row. Since the CSV file has a header, `row` will be
// an object with keys derived from the header.
function(row) {
return {name : row.name, age : +row.age, color : row.color};
},
// Callback to run once all data's loaded and ready.
function(data) {
// Log the data to the JavaScript console
console.log(data);
// Compute some interesting results
var averageAge = data.reduce(function(prev, curr) {
return prev + curr.age;
}, 0) / data.length;
// Also, display it
var ulSelection = d3.select('body').append('ul');
var valuesSelection =
ulSelection.selectAll('li').data(data).enter().append('li').text(
function(d) { return d.age; });
var totalSelection =
ulSelection.append('li').text('Average: ' + averageAge);
});
在目录中，运行python -m SimpleHTTPServer 8181，然后在浏览器中打开http：// localhost：8181以查看年龄及其平均值的简单列表。
这个简单的示例显示了d3的一些相关功能：
以下是Python numpy和pandas
```
import numpy as np
import pandas as pd
data_frame = pd.DataFrame(np.random.randn(5, 4), ['A', 'B', 'C', 'D', 'E'], [1, 2, 3, 4])
data_frame[5] = np.random.randint(1, 50, 5)
print(data_frame.loc[['C', 'D'], [2, 3]])
# axis 1 = Y | 0 = X
data_frame.drop(5, axis=1, inplace=True)
print(data_frame)
```
在JavaScript *中可以实现相同的效果[ numjs仅适用于Node.js ]，但是D3.js具有许多高级的数据文件集选项。numjs和Pandas-js仍在工作。
import np from 'numjs';
import { DataFrame } from 'pandas-js';
const df = new DataFrame(np.random.randn(5, 4), ['A', 'B', 'C', 'D', 'E'], [1, 2, 3, 4])
// df
/*
1 2 3 4
A 0.023126 1.078130 -0.521409 -1.480726
B 0.920194 -0.201019 0.028180 0.558041
C -0.650564 -0.505693 -0.533010 0.441858
D -0.973549 0.095626 -1.302843 1.109872
E -0.989123 -1.382969 -1.682573 -0.637132
*/我认为最接近的是像这样的库：
特别是Recline具有一个Dataset对象，该对象的结构有点类似于Pandas数据帧。然后，它允许您将数据与“视图”连接，例如数据网格，图形，地图等。视图通常是现有的最佳可视化库（例如D3，Flot，SlickGrid等）周围的薄包装。
这是Recline的示例：
//加载一些数据
var数据集= recline.Model.Dataset（{
记录： [
{value：1，date：'2012-08-07'}，
{值：5，b：'2013-09-07'}
]
//而是加载CSV数据
//（并且Recline支持更多的数据源类型）
//网址：“ my-local-csv-file.csv”，
//后端：“ csv”
}）;
//从HTML中为查看器获取一个元素
var $ el = $（'＃data-viewer'）;
var allInOneDataViewer = new recline.View.MultiView（{
型号：数据集，
埃尔：$ el
}）;
//您的新数据查看器将上线！
@neversaint您的等待结束。对Danfo.js表示欢迎，它是像tensorflow.js上构建的Javascript库之类的熊猫，并支持开箱即用。这意味着您可以将danfo数据结构转换为张量。您可以进行分组，合并，合并，绘图和其他数据处理。
在javascript中解析CSV很容易，因为每一行实际上已经是一个javascript数组。如果将csv加载到字符串数组（每行一个）中，则很容易加载具有以下值的数组数组：
var pivot = function(data){
var result = [];
for (var i = 0; i < data.length; i++){
for (var j=0; j < data[i].length; j++){
if (i === 0){
result[j] = [];
}
result[j][i] = data[i][j];
}
}
return result;
};
var getData = function() {
var csvString = $(".myText").val();
var csvLines = csvString.split(/\n?$/m);
var dataTable = [];
for (var i = 0; i < csvLines.length; i++){
var values;
eval("values = [" + csvLines[i] + "]");
dataTable[i] = values;
}
return pivot(dataTable);
};
然后getData()按列返回值的多维数组。
我已经在jsFiddle中为您演示了这一点。
当然，如果您不信任输入，就无法轻松做到这一点-如果您的数据中可能包含脚本，而eval可能会被提取，等等。
这是一种动态方法，假定第1行上已有头文件。csv加载d3.js。
function csvToColumnArrays(csv) {
var mainObj = {},
header = Object.keys(csv[0]);
for (var i = 0; i < header.length; i++) {
mainObj[header[i]] = [];
};
csv.map(function(d) {
for (key in mainObj) {
mainObj[key].push(d[key])
}
});
return mainObj;
}
d3.csv(path, function(csv) {
var df = csvToColumnArrays(csv);
});
然后，您可以使用访问R，python或Matlab数据框类似的数据的每一列df.column_header[row_number]。