Pandas快速教程

http://www.itongji.cn/detail?type=99991314
https://www.yiibai.com/pandas/python_pandas_data_structures.html
main: https://www.pypandas.cn/docs/getting_started/10min.html

查看数据

DataFrame.to_numpy() 会给出一个比较底层的NumPy对象。注意，当你的 DataFrame 有多个列并且每列的数据类型不同时，这个操作是不可行的，这也可以说是Pandas和NumPy之间的根本区别：NumPy的每一个array对象只有一种数据类型，但是Pandas的每一列的数据类型都是相同的（译者注：Pandas不需要像Numpy那样所有元素的类型都相同）. 当你调用 DataFrame.to_numpy()时, Pandas会寻找可以涵盖DataFrame中所有元素类型的NumPy数据类型。 这可能最终成为对象，需要将每个值强制转换为Python对象。

通过轴排序：df.sort_index(axis=1, ascending=False)
按值排序：df.sort_values(by=‘B’)

选择一列，产生一个系列，获取df.A，df[‘A’]，df[0:3]（不包含3），df[‘20170102’:‘20170103’]（包含两端）
按标签选择：df.loc[dates[0]]，df.loc[:,[‘A’,‘B’]]，df.loc[‘20170102’:‘20170104’,[‘A’,‘B’]]，df.loc[dates[0],‘A’] = df.at[dates[0],‘A’]
通过位置选择：df.iloc[3]，df.iloc[3:5,0:2]，df.iloc[[1,2,4],[0,2]]，df.iloc[1:3,:]，df.iloc[:,1:3], df.iloc[1,1] = df.iat[1,1]
布尔索引：df[df.A > 0]，df[df > 0]，df2[df2[‘E’].isin([‘two’,‘four’])]

合并(Merge)

#连接(Concat)：使用 concat()连接Pandas对象

**Join：**SQL风格的合并，使用merge()

stack() 的逆操作是unstack()，默认情况下取消最后压缩的那个级别：stacked.unstack()










需要from matplotlib import pyplot as plt, 显示图形使用命令plt.show()

列选择：标签选择df [‘one’]
列添加：类似字典赋值df[‘three’]=pd.Series([10,20,30],index=[‘a’,‘b’,‘c’])
列删除: del df[‘one’] or df.pop(‘one’)
行选择，添加和删除: 标签选择-可以通过将行标签传递给loc()函数来选择行,df.loc[‘b’]
按整数位置选择 - 可以通过将整数位置传递给iloc()函数来选择行, df.iloc[2]
行切片-可以使用:运算符选择多行,df[2:4]
删除行-使用索引标签从DataFrame中删除或删除行。 如果标签重复，则会删除多行。df.drop(‘a’)
附加行-使用append()函数将新行添加到DataFrame。