pandas

pandas

Pandas是基于Numpy的一种工具，提供了一套名为DataFrame的数据结果，比较切合分析中的表结构，可用Numpy或其他方式进行计算。

• 创建Series: pd.Series(data,index), Series是一维数组
• 创建DataFrame: pd.DataFrame(data,index,columns),也就是传递一个字典结构来填充data和columns，DataFrame类似于二维表格，简称df
• 查看df头尾行：df.head(i),df.tail(i),如不填参数则分别返回前五行和后五行的内容。
• 查看索引/列/数据：df.index,df.columns,df.values
• 快速统计汇总：df.descrbe()
• 数据转置：df.T
• 按轴排列：df.sort_index(axis=0,ascending=True)
• 按值排列：df.sort_values(columns,axis=0,ascending=True)
• 获取：df[‘columnsname’] 或者df.columns,会返回列
• 通过条件选取某列：df=df[df(‘columns’)==‘a’]
• 对行切片：df[start:stop:step],利用df[n:n+1]即可获取某行
• 通过标签选区某行：df.loc[index,columnsname]
• 通过位置选取某行：df.iloc[indexpos,columnspos],df.iloc[i,:]可获取一行，df.iloc[:,i]可获取一列
• 布尔索引：df[bool],可以对单独的列进行判定，也可以对整个DataFrame进行判定
• 在pandas中使用np.nan代替缺失值，这些值不会被包含在计算中
• 对index和columns进行增删改：df.reindex(index,columns)
• 去掉含有缺失值的行：df.dropna(how=‘any’),可以选择how='all’只去掉所有值均缺失的行
• 缺失值补充：df.fillna(value)
• 数据应用：df.apply(func),可以是现有函数也可以是lambda函数
• 连接：pd.merge(left,right)
• 追加：df.append(data)
• 分组：df.groupby(columnsname).func(),通常为分组/执行函数/组合结果
• 时间：pandas有着重采样等丰富的时间操作
• 写入csv文件：df.to_csv(filename)
• d读取csv文件：df.read_csv(filename),读出的类型为DataFrame

https://www.yiibai.com/numpy/

https://www.cnblogs.com/limitlessun/p/8489749.html