pandas架构学习

df=pd.dataFrame(data=‘数据的内容’,columns=[‘行标题1’,‘行标题2’]，index=i)

list(zip(‘复合数据1’,‘复合数据2’))

df.value():值
df.ix[行范围, 列范围]
df.loc[起始索引(包含):终止索引(包含)]
df.iloc[起始索引(包含):终止索引(不包含)]

选择 top-N 个记录 (默认是 5 个)

df.head()

选择 N-bottom 个记录 (默认是 5 个)

df.tail()

把列(column)放置到索引位置

df.stack()

在索引包含了原来的列名字
df.stack().index
拆解列字符索引
df.unstack()

创建一个 groupby 对象
df.grouby(‘abc’)

设置默认行序号：as_index=False

删除索引e
df.drop(‘e’)

数学运算：
加法：add()
减法：sub()
乘法：mul()
除法：div（）
中位数：median()
求和：sum()
最大值：max()
最小值：min()

df2.sort_values(by=‘age’) # 按 age 升序排列
直接修改值的大小：
df3.iat[1, 1] = 2
以时间为序号
pd.date_range(start=‘2018-01-01’, end=‘2018-12-31’, freq=‘D’)

转换时区
tz_localize(‘UTC’)

letters = ['A', 'B', 'C']
numbers = list(range(20))

mi = pd.MultiIndex.from_product([letters, numbers])  # 设置多重索引
s = pd.Series(np.random.rand(60), index=mi)  # 随机数

多重索引切片：
s.loc[pd.IndexSlice[:‘B’, 5:]]
更改列名称：
frame.index.names = [‘first’, ‘second’]

将priority列的yes改为Ture，no改为False
df[‘priority’].map({‘yes’: True, ‘no’: False})