python学习-基础命令

以数据df为例

import pandas as pd;
import numpy as np;

date = pd.date_range('20140729', periods=6)
df = pd.DataFrame(np.random.randn(6,4), index=date, columns=list('ABCD'))
df
                   A         B         C         D
2014-07-29  0.913085 -0.027667 -1.107801 -0.698135
2014-07-30  0.068590  0.944504 -0.252881 -0.185220
2014-07-31  0.595034  1.470397 -0.772974 -0.650600
2014-08-01  0.076430 -1.318042  0.755506 -0.493169
2014-08-02  0.408931 -1.378303  0.445602 -1.985114
2014-08-03 -1.776738 -0.186865  1.758688  0.503762

DataFrame基础查看命令

命令	作用
df = DataFrame()	创建DataFrame对象
df.dtypes	查看各行的数据格式
df.head()	查看前几行的数据,默认前5行
df.tail()	查看后几行的数据,默认后5行
df.index	查看索引
df.columns	查看列名
df.values	查看数据值
df.describe	描述性统计
df.T	转置
df.sort(columns = ‘’)	按列名进行排序
df.sort_index(by=[‘’,’’])	多列排序,使用时报该函数已过时,请用sort_values
df.sort_values(by=[”,”])	同上
df.iloc[k]	查看第k+1行的数据

Data.Frame的选择命令

命令	作用
df[‘A’]	显示列名下的数据
df[1:3]	获取1-3行的数据,该操作叫切片操作,获取行数据
df.loc[:,[‘A’,’B’]]	选择A,B列所有行，注：loc通过标签选择数据,iloc通过位置选择数据
loc[[‘2014-07-29’,’2014-07-30’],[‘A’,’B’]]	选取’2014-07-29’和’2014-07-30的A,B列
df[‘C’].drop_duplicates()	剔除重复行数据
df[df.A>0]	使用条件来选择，df的A列大于0的值

Data.Frame的缺失值处理命令

在pandas中，使用np.nan来代替缺失值，这些值将默认不会包含在计算中。

命令	作用
reindex()	用来对指定轴上的索引进行改变/增加/删除操作，这将返回原始数据的一个拷贝。即用index=[]表示对index进行操作，columns表对列进行操作。
df.fillna(value=x)	对缺失值进行填充,表示用值为x的数来对缺失值进行填充
df.dropna(how=’any’)	去掉包含缺失值的行
isnull	返还逻辑值，类似R的is.na
notnull	isnull的否定式

比较详细的基础操作博文：
http://www.jianshu.com/p/682c24aef525