创建文件

DataFrame对象

• 一个快速高效的DataFrame对象，用于集成索引的数据操作;
• 用于在内存数据结构和不同格式之间读取和写入数据的工具：CSV和文本文件，Microsoft Excel，SQL数据库和快速HDF5格式;
• 智能数据对齐和缺失数据的集成处理：在计算中获得基于标签的自动对齐，并轻松地将凌乱的数据处理成有序的形式;
• 灵活的数据集整形和旋转;
• 基于智能标签的切片，花式索引和 大数据集的子集化;
• 可以从数据结构中插入和删除列以确保大小可变性 ;
• 通过引擎聚合或转换数据与强大的组，允许对数据集进行拆分应用组合操作;
• 高性能的数据集合并和连接 ;
• 分层轴索引提供了在低维数据结构中处理高维数据的直观方式;
• 时间序列 - 功能：日期范围生成和频率转换，移动窗口统计，移动窗口线性回归，日期移位和滞后。甚至可以创建特定于域的时间偏移和连接时间序列而不会丢失数据;
• 高度优化性能，使用Cython或C 编写关键代码路径 。
• Python with pandas正在广泛的学术和商业领域中使用，包括金融，神经科学，经济学，统计学，广告，网络分析等。一个快速高效的DataFrame对象，用于集成索引的数据操作;
• 用于在内存数据结构和不同格式之间读取和写入数据的工具：CSV和文本文件，Microsoft Excel，SQL数据库和快速HDF5格式;
• 智能数据对齐和缺失数据的集成处理：在计算中获得基于标签的自动对齐，并轻松地将凌乱的数据处理成有序的形式;
• 灵活的数据集整形和旋转;
• 基于智能标签的切片，花式索引和 大数据集的子集化;
• 可以从数据结构中插入和删除列以确保大小可变性 ;
• 通过引擎聚合或转换数据与强大的组，允许对数据集进行拆分应用组合操作;
• 高性能的数据集合并和连接 ;
• 分层轴索引提供了在低维数据结构中处理高维数据的直观方式;
• 时间序列 - 功能：日期范围生成和频率转换，移动窗口统计，移动窗口线性回归，日期移位和滞后。甚至可以创建特定于域的时间- 偏移和连接时间序列而不会丢失数据;
• 高度优化性能，使用Cython或C 编写关键代码路径 。
• Python with pandas正在广泛的学术和商业领域中使用，包括金融，神经科学，经济学，统计学，广告，网络分析等。
  创建文件

	import pandas as pd

	df = pd.DataFrame({"id":[1,2,3],"name":["Time","Victor","Nick"]})
	df = df.set_index("id")