pandas，datatime基本操作

dataframe（简称df）

1.df常用属性

df.index 获取行索引

df.columns 获取列索引

df.values 获取以二维数组形式表示的df

df.dascribe() 获取每一列的统计结果

df.T 转置，注意：因为df的每一列为一个series对象，所以要求每一列的数据类型一样，转置后可能会出现数据类型的转换

2.df常用方法

df.loc[ m,n] 获取行列标签为m，n的元素的值

df.iloc[m,n] 获取行列索引为m，n的元素的值，此处的m，n不同于loc函数

缺失值NaN处理:

df.fillna(num) 将NaN处填充为num

dropna(axis=0,how='any') ：df.dropna() /df.dropna(how='any') 删除NaN所在行

                df.dropna(how=‘all’) 只删除所有值都为NaN的行

                df.dropna(axis=1) 删除NaN所在列，此处是将处理方式由行变成列，df的默认处理方式是按行处理

pandas常用方法

df.mean()/df.mean(axis=1) 求每一列/行的平均值

df.sum()/df.sum(axis=1) 求每一列/行的和

df.sort_values(by='c1',ascending=False) 按照c1列的降序排列

df.sort_index(ascending=False，axis=0) 按照行索引的降序E

datetime(简称dt)

import datetime;

dateutil.parser.parse('  ') 按字符串内容生成时间对象

pd.to_datetime('  ') 按字符串/字符串列表内容生成时间对象

pd.date_range(start=' ',end=' ',periods=num,freq='A/M/W/D/H/M/S') 生成时间序列，其中start:开始日期，end：结束日期，periods：生成个数，freq：生成间隔(A(year), M(month), W(week),  B(business), D(day),  H(hour), T(mintes), S(second))默认为‘D’