Pandas常用函数

 

count	非 NA 值的数量
describe	针对 Series 或 DF 的列计算汇总统计
min , max	最小值和最大值
argmin , argmax	最小值和最大值的索引位置（整数）
idxmin , idxmax	最小值和最大值的索引值
quantile	样本分位数（0 到 1）
sum	求和
mean	均值
median	中位数
mad	根据均值计算平均绝对离差
var	方差
std	标准差
skew	样本值的偏度（三阶矩）
kurt	样本值的峰度（四阶矩）
cumsum	样本值的累计和
cummin , cummax	样本值的累计最大值和累计最小值
cumprod	样本值的累计积
diff	计算一阶差分（对时间序列很有用）
pct_change	计算百分数变化

（1）.fillna()会填充nan数据，返回填充后的结果

（2）pddata["a"].unique()  特征a的值出现的set——唯一值

（3）.loc[]选取指定列进行操作——df.loc[行标签,列标签]

（4）.iloc[]函数——只能通过行号索引:df.iloc[0:4]它是基于索引位来选取数据集，0:4就是选取 0，1，2，3这四行

（5）作图

   from pandas.tools.plotting import scatter_matrix（混淆散点图）

  scatter_matrix(含有n个特征的数据X,s=100, alpha=1, c=colors[index], figsize=(10,10))

  例如：scatter_matrix(beer[["calories","sodium","alcohol","cost"]],s=100, alpha=1, c=colors[beer["cluster"]], figsize=(16,16))