pandas官网的基本功能

import pandas as pd

import numpy as np

1： 首先创建时间的索引

index = pd.date_range('1/1/2000', periods=8)

s = pd.Series(np.random.randn(4,5), index=['a', 'b', 'c', 'd'])

df = pd.DataFrame(np.random.randn(8, 3), index=index, columns=['A', 'B', 'C'])

df.head()  # 默认查看前5行的数据

df.tail() # 默认查看后5行的数据

df.info()  # 可以查看各个列的数据类型，比较常用

df.describe()  # 查看数据的描述信息，这个方法我用的很少

把所有的列转化为小写

df.columns = [x.low() for x in df.columns]

把数据转化为numpy数组的2种方式

df.to_numpy()

np.asarray(df)

add相加的方法，为什么要使用这个方法，因为用+要是有nan的值的话会处理为nan如果要是用add可以这样

df.add(df1, fill_value=0)这样就会把nan的值设置为0

也可以非常灵活的进行比较 eq, ne, lt, gt, le, 

df.eq(df1)

(df>0).all()

(df>0).any()

还可以这样(df>0).any().any()

判断DataFrame是否为空用做判断的时候非常有用

df.empty

df+df = df*2  是不相等的因为np.nan！=np.nan

可以用equals来判断两个DataFrame是否相等

(df+df).equals(df*2)

数据和索引完全相等equals才会判断相等

df1.equals(df2.sort_index())

seriers和数组的比较是不相同的series长度必须相同，数组可以不相同