【Python】Python常用必备库pandas

Pandas函数库

1.创建Series对象的方式有三种，在参数中放入列表list对象、字典dict对象，值对象都能够创建Series对象。查找其中的成员变量的索引方式有中括号[]、索引函数loc/iloc/ix三种模式。

pd.Series(list)  
pd.Series(dict)  
pd.Series(a)  
data[索引]  
索引器(函数) loc iloc ix
loc 针对显性索引 （左闭右闭）
iloc 针对隐式索引

2.创建dataFrame对象的方式也有三种，参数可以是单个或多个字典对象、单个或多个Series对象。

创建dataFrame对象   
pd.DataFrame(dict) dict的value是 Series类型    
pd.DataFrame(dict...dict，columns=list(str))   
pd.DataFrame(Series,Series...)  
index属性不设置时 则自定义为隐形索引  
str元素的类型自定义为object类型  
data['c']=data['a']/data['b']   增加列
data.index                      行索引列表  
data.columns                    所有列名  
df.T                            dataFrame转置  

3.缺失值。针对DataFrame对象中的缺失值，提供了判断是否存在缺失值函数isnull()，丢弃含缺失值的行或列函数dropna()，填充行或列中的缺失值函数fillna()。

isnull()  
dropna(axis='columns',how='all',thresh='删除的阈值+1')列全部是nan才删除   
fillna(method='ffill/bfill',axis=1/0) ffill往前看 再根据axis的值  
duplicated()

4.pandas连接函数。concat()、join()、merge()三种函数都可以实现DataFrame对象的连接，需要注意的是concat函数会导致连接后存在重复的索引。

concat() 索引会重复  
join()   
merge()  

5.累计与分组函数。可以利用某一列或某一行将DataFrame对象进行分组。

groupby('分组的属性')