Pandas

1. Numpy和Pandas的不同：

   Numpy是列表形式，没有数值标签；Pandas是字典形式

2. Pandas的两个主要的数据结构Series和DateFrame

   1. Series索引在左边，值在右边。若未指定索引，自动创建0到N-1（N为长度）的整数型索引  

import pandas as pd
import numpy as np
s=pd.Series([1,3,6,np.nan,44,1])
print(s)

   输出：

0     1.0
1     3.0
2     6.0
3     NaN
4    44.0
5     1.0
dtype: float64

2. numpy.random.randn(6,4)  返回6行4列，0~1的随机值

3. DataFrame：表格型数据结构，包含一组有序的数列，每列都是不同的值类型（数值，字符串，布尔值）。DataFrame既有行索引，也有列索引。可以被看做由Series组成的大字典。

import pandas as pd
import numpy as np
dates=pd.date_range('20160101',periods=6)
df=pd.DataFrame(np.random.randn(6,4),index=dates,columns=['a','b','c','d'])  #指定index为dates
print(df)      

                   a         b         c         d
2016-01-01 -0.680950 -0.790554 -0.813075 -0.544137
2016-01-02 -2.011874  1.961104  0.199840 -0.892645
2016-01-03 -0.158728  0.374837 -0.805338 -1.004351
2016-01-04 -1.105633  1.287782  1.228255  1.046915
2016-01-05 -0.158540 -0.485821  0.810580 -1.085436
2016-01-06  0.381288 -2.490325 -0.908194  1.044473

4. DataFrame的一些简单应用       

  1. 输出DataFrame的第b列数据

print(df['b'])

输出：

    2016-01-01   -1.047603
    2016-01-02   -0.838383
    2016-01-03   -0.222159
    2016-01-04   -0.743130
    2016-01-05   -0.189042
    2016-01-06   -0.794491
    Freq: D, Name: b, dtype: float64

2.创建一组没有给定行标签和列标签的数据

df1=pd.DataFrame(np.arange(12).reshape((3,4)))

 输出：     0  1   2   3

        0  0  1   2   3
        1  4  5   6   7
        2  8  9  10  11

  3. 创建对每一列数据特殊对待的对象

df2 = pd.DataFrame({'A' : 1.,
                    'B' : pd.Timestamp('20130102'),
                    'C' : pd.Series(1,index=list(range(4)),dtype='float32'),
                    'D' : np.array([3] * 4,dtype='int32'),
                    'E' : pd.Categorical(["test","train","test","train"]),
                    'F' : 'foo'})
                    
print(df2)

 输出：     A B C D E F
      0 1.0 2013-01-02 1.0 3 test foo
1 1.0 2013-01-02 1.0 3 train foo
2 1.0 2013-01-02 1.0 3 test foo
3 1.0 2013-01-02 1.0 3 train foo

  4. dtype查看数据的类型

print(df2.dtypes)

输出：   A           float64
        B    datetime64[ns]
        C           float32
        D             int32
        E          category
        F            object
        dtype: object

5.转置 

print(df2.T)

 6. 选择数据 

   1.数据源

import pandas as pd 
dates=pd.date_range('20130101',periods=6)
df=pd.DataFrame(np.arange(24).reshape((6,4)),index=dates,columns=['A','B','C','D'])
df