pandas(1)

1.定义DataFrame对象
    data={
        'id':[100,101,102,103],
        'name':['a','b','c','g'],
        'score':[78,90,66,24]
    }
    frame = pd.DataFrame(data=data)[获取全部字段]
    frame = pd.DataFrame(data=data,index=['one','two','three','four'])[设置索引]
    frame = pd.DataFrame(data=data,columns=['name','score'])[获取指定字段]


2.查看数据框信息
    -[查看索引]:frame.index
    -[查看字段名]:frame.columns
    -[查看数据]:frame.values
    -[查看维度]:frame.shape
    -[查看列数据的类型]:frame.dtypes
    -[查看某列唯一值]:frame[attrName].unique()


3.获取前(后)10条数据
    -[前10条数据]:frame.head()
    -[后10条数据]:frame.tail()


4.数据表清洗
    -frame[attrName]=frame[attrName].fillna(value=0)[缺失值用0填充]
    -frame[attrName]=frame[attrName].fillna(frame[attrName].mean())[缺失值用均值填充]
    -frame[attrName]=frame[attrName].str.strip()[删除字符串结尾处的空白]
    -frame[attrName]=frame[attrName].str.lower()/frame[attrName]=frame[attrName].str.upper()[字符串变大小写]
    -frame[attrName]=frame[attrName].replace(str1,str2)[数据替换]


5.数据表合并
    aa -->   id     name     score
          0  100     m1        66
          1  102     m2        78
          2  108     m3        90
    
    bb -->       name     rank
          0       m1       a
          1       m2       b
          2       m3       c
    
    data = pd.merge(aa,bb,how='inner')[内连接:交集]
    data = pd.merge(aa,bb,how='outer')[外连接:并集]


6.设置索引列
    frame =      id     name     score
                  0  100     m1        66
                  1  102     m2        78
                  2  108     m3        90
    
    data = frame.set_index('id')[以选取的字段作为索引列]
    
    data =       name    score
               101   m1      66
               102   m2      78
               108   m3      90


7.按照特定字段排序
    -frame.sort_values(by=[attrName])


8.按照条件添加字段
    frame =      id     name     score
                 0  100     m1        66
                 1  102     m2        78
                 2  108     m3        90
              
    frame['rank']=np.where(frame['score']>85,'优秀','一般')
    
    frame =      id     name     score    rank
                   0  100     m1        66     一般
                   1  102     m2        78     一般
                   2  108     m3        90     优秀


9.分拆字符串生成DataFrame
    frame =      id     name     score
                  0  100     m1        66
                  1  102     m2        78
                  2  108     m3        90
    
    data = pd.DataFrame((str.split('-') for str in frame['name']),columns=['user','id'])
    
    data =    name    id
                      m      1
                      m      2

                      m      3