pandas -- 常用函数 （%timeit df.iloc[1, 1]）

|
属性

代码	描述
DataFrame([data, index, columns, dtype, copy])	构造数据框
DataFrame.dtypes	返回数据的类型
DataFrame.ftypes	返回每一列的 数据类型float64:dense
DataFrame.values	Numpy的展示方式
DataFrame.axes	返回横纵坐标的标签名
DataFrame.ndim	返回数据框的纬度
DataFrame.size	返回数据框元素的个数
DataFrame.shape	返回数据框的形状
DataFrame.describe([percentiles,include, …])	整体描述数据框
DataFrame.mean([axis, skipna, level, …])	返回均值

排序

代码	描述
DataFrame.sort_values(by[, axis, ascending])	Sort by the values along either axis
DataFrame.sort_index([axis, level, …])	Sort object by labels (along an axis)
df.columns = [‘d’, ‘open’, ‘close’, ‘low’, ‘high’]	修改了列名，但是列数据位置没变
df = df[[‘d’, ‘open’, ‘close’, ‘low’, ‘high’]]	修改列排序

查询（也有修改或者添加的功能）

代码	描述
DataFrame.loc	标签定位，使用名称，
DataFrame.iloc	整型定位，使用数字
DataFrame.at	快速标签常量访问器（效率更高）
DataFrame.iat	快速整型常量访问器
DataFrame.isin(values)	是否包含数据框中的元素
DataFrame.tail([n])	返回最后n行
DataFrame.head([n])	返回前n行数据

索引

代码	描述
df = df.set_index(‘时分’)	将某一列设为索引
DataFrame.reindex([index, columns])	使用可选的填充逻辑使DataFrame符合新索引，将NA/NaN放置在前一个索引中没有值的位置
DataFrame.stack([level, dropna])	以列标签(可能是分层的)的一个层次为中心，返回一个DataFrame(对于只有一个层次的列标签的对象，是一个系列)，其中包含一个层次索引和一个新的最内层的行标签。
DataFrame.unstack([level, dropna])	行索引转换为列索引
DataFrame.pivot_table(values=[‘d’], index=['a ', ‘b’], columns=[‘c’])	重构df
index = pd.MultiIndex(levels=[[None], [None]],labels=[[0], [0]], names=[‘名称’, ‘时间’])	生成复合索引
df = pd.DataFrame(index=index, columns=[‘涨幅’, ‘涨速’, ‘现价’, ‘成交量’])	生成复合索引df
df.index.unique()	去重
DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill=’’)	drop为False则索引列会被还原为普通列，否则会丢失inplace：默认为false，适当修改DataFrame(不要创建新对象)

空数据