Python数据科学手册（3）--- Pandas数据处理

Pandas是数据科学家极喜欢的一个库，因为它集成了很多方便的功能，处理数据高效方便，当然1000多页的文档也令人生畏；一般情况下是掌握基本的操作方法后，之后在工作中需要什么功能再去查找；本文也不再描述其基本用法，只记录自己工作中的一些积累；
有一个非常好的文档介绍入门知识，基本能应对80%以上的数据处理任务：十分钟搞定Pandas: http://python.jobbole.com/84416/

1, pandas的DataFrame与numpy的array的转换

import pandas as pd
# dataframe转化成array
ar = df.values
# array转化成dataframe
df = pd.DataFrame(df)

2，对缺失值的处理

在数据处理中，对缺失值的处理基本是一个必要步骤；
Pandas 基本上把 None 和 NaN 看成是可以等价交换的缺失值形式。为了完成这种交换过程， Pandas 提供了一些方法来发现、剔除、替换数据结构中的缺失值，主要包括以下几种：
isnull() 创建一个布尔类型的掩码标签缺失值
notnull() 与isnull()相反
dropna() 返回一个剔除缺失值的数据
fillna() 返回一个填充缺失值的数据副本