Pandas入门：DataFrame的简单应用

Pandas

Pandas是为了解决数据分析任务而创建的，纳入了大量库和一些标准的数据模型。在Python环境下我们经常会使用到Pandas去进行数据统计，而DataFrame简单的描述成数据框，是一种组织方式，我们看看如何使用DataFrame。

DataFrame的使用

1、首先引入pandas和numpy两个包，pandas依赖于numpy。

import numpy as np
import pandas as pd

建立一个时间索引，索引即每一行数据的id,为唯一值。

date=pd.date_range('20170401',periods=6)
print(date)

结果为:

DatetimeIndex(['2017-04-01', '2017-04-02', '2017-04-03', '2017-04-04',
               '2017-04-05', '2017-04-06'],
              dtype='datetime64[ns]', freq='D')

2、创建6*4的数据，random用于创建随机数，参数表示行数和列数，date是上面创建的索引列。

df=pd.DataFrame(np.random.randn(6,4),index=date,columns=list('ABCD'))
print(df)

结果为：

                   A         B         C         D
2017-04-01 -1.174146  0.981851  0.054070 -0.304046
2017-04-02 -0.670757 -0.621248 -0.320604 -0.368905
2017-04-03 -0.008907  0.288560 -0.086716  1.601499
2017-04-04 -0.903410 -0.884107 -0.125471 -0.032931
2017-04-05 -0.589219 -0.561077 -0.994943 -0.001721
2017-04-06  1.503975  1.008683  0.631483 -0.713936

3、可以使用dtypes查看各行的数据格式

print(df.dtypes)
A    float64
B    float64
C    float64
D    float64
dtype: object

4、使用head查看前几行的数据（默认前5行）

df.head()
#查看前3行
df.head(3)

使用tail查看后几行的数据，使用同head。
5、查看数据框的索引（index）、列名（columns）、数据值（values）、描述性（describe）

df.index/df.columns/df.values/df.describe

6、使用T进行转置数据，即行列转换。

df.T
   2017-04-01  2017-04-02  2017-04-03  2017-04-04  2017-04-05  2017-04-06
A   -1.056570   -1.314146   -0.882650   -0.081214   -0.061534   -0.558024
B    0.221840    0.915488   -0.689384   -0.707948    0.791983   -0.300867
C   -0.572469   -0.987231   -1.123992    0.332304   -0.476678   -0.409462
D    0.582291    0.012441    0.834482   -0.665694    0.765196   -0.020418

7、使用sort进行数据排序

df.sort(columns='A')
                   A         B         C         D
2017-04-05 -0.799361 -0.591627 -0.367348  0.268359
2017-04-04 -0.397003 -0.758888 -2.324696  1.310242
2017-04-01 -0.295905 -0.396839 -1.106580  1.013233
2017-04-03 -0.139464 -0.034839 -0.203179 -1.438849
2017-04-02  0.326524  0.922449  0.199526  0.217041
2017-04-06  0.376355  0.259185 -1.090140  0.060581