Pandas数据操作

（1）nunique()：判断表格中某一列是否存在NA值；
（2）head()：输出表格中的前几行；
（3）shape：判断表格有几行和几列；
（4）info()：判断表格中每一列的数据类型；
（5）groupby()：依据表格中的某一个特征对表格进行划分；
（6）egg()：一般和groupby一起使用，用于对某一列进行操作或某一行进行操作；
（7）reset_index()：当某一列作为索引时，保留其作为表格数据；
（8）set_index()：将某一列作为表格索引，并根据其参数drop确定是否保留为表格内容；
（9）rename()：对表格中的某一列名称进行修改；
（10）merge()：对两个表格进行拼接；
（11）fillna()：对表格中为NA的数据进行填充；
（12）clip()：对表格中的数据范围进行限定；
（13）to_csv()：将表格保存为CSV文件；
（14）dtype()：查看数据的类型；
（15）astype()：对数据的类型进行转换；
（16）pivot_table(index,values,columns, aggfunc, fill_value).reset_index()：pivot_table的作用类似于groupby，但是更加灵活，可以做更多的处理。

• pivot_table中的参数是以index作为划分准则，以values的特征作为被划分元素，如果没有aggfunc参数，则默认是对values的划分值进行取平均操作，当使用aggfunc=np.sum之后，则是进行求和操作。
• columns的作用是以columns对应的特征对values的值进行列划分，之前的index是对values进行行划分。
• fill_value的作用是对NA值进行填充。
• reset_index()的作用是当index的特征作为索引是是否保留。

通过具体例子进行理解：

# 对商品销售的日销售额基于商品id进行划分
sales_by_item_id = sales_train.pivot_table(index=['item_id'],values=['item_cnt_day'])
sales_by_item_id

代码以item_id对item_cnt_day进行划分，重复值对进行累加取平均；输出结果如下图所示：

sales_by_item_id = sales_train.pivot_table(index=['item_id'],values=['item_cnt_day']).reset_index()
sales_by_item_id

这段代码相比于上段代码多了最后一部分的reset_index()，这样inem_id就可以保留在表格中，具体输出如下所示。

sales_by_item_id = sales_train.pivot_table(index=['item_id'],values=['item_cnt_day'],columns='date_block_num').reset_index()
sales_by_item_id

这段代码不仅使用item_id对item_cnt_day进行划分，同时使用columns=‘date_block_num’)对int_cnt_day进行划分，这样得到的结果如下表所示：

这样得到的表格中有很多的NaN值，因此我们使用参数fill_value对NaN数据进行填充。填充结果如下：

sales_by_item_id = sales_train.pivot_table(index=['item_id'],values=['item_cnt_day'], 
                                        columns='date_block_num', aggfunc=np.sum, fill_value=0).reset_index()
sales_by_item_id

这样得到的图表中，第一列是索引id，表示一共有几个数据，这里显示是21806个数据；第二列是item_id的不同的特征的个数，用于对item_cnt_day进行划分；第一行是data_block_num，其中对应的数据个数就是data_block_num的特征个数，这里是和item_id一起对item_cnt_day进行划分。
（17）columns：返回表格中列的头名，也就是列的名称；
（18）loc()和iloc()：loc是根据index来索引，比如下边的df定义了一个index，那么loc就根据这个index来索引对应的行。iloc并不是根据index来索引，而是根据行号来索引，行号从0开始，逐次加1。

（19）isin()：判断一个表格中的值是否在另一个表格中，如果存在返回True；
（20）duplicated()：判断表格中是否有重复值；
（21）dropna()：删除表格中的缺失值；
（22）sort_values()：对表格中的某一列进行排序；
（23）unique()：找到列表中某一列的不同值，并返回一个列表，而nunique()是返回一个表格中某一列不同值的个数；
（24）replace()：把字符串中的 old（旧字符串） 替换成 new(新字符串)；
（25）product()：product 用于求多个可迭代对象的笛卡尔积(Cartesian Product)，它跟嵌套的 for 循环等价.即:product(A, B) 和 ((x,y) for x in A for y in B)一样。比如A有3类，B有3类，那么一共会得到9类。一般使用np.array(list(product(A,B)))使用；
（26）np.vstack：按垂直方向（行顺序）堆叠数组构成一个新的数组；

（27）np.hstack:按水平方向（列顺序）堆叠数组构成一个新的数组；