pandas快速入门1

pandas能做什么：

结构化数据分析、数据挖掘。

ipython简介

python命令行与ipython命令行的区别：
显示数据可读性强,特别是对字典

python命令行与ipython命令行的区别：

显示数据可读性强,特别是对字典

1.命令补全，按Tab，

2.shell命令

3.魔术命令

pandas核心数据结构创建

series创建
series是一维带标签的数组，数组里可以放任意的数据（整数，浮点数，字符串，Python Object）
Series数据结构表示一个行或一个列的数据，有一个默认的数据索引

dataFrame

DataFrame是二维带行标签和列标签的数组，可以是Excel表格、SQL数据库的表格、Series对象字典。它是Pandas中最常用的数据结构

创建一个表格:(通过传递带有日期时间索引和带标签的列的numpy数组来创建二维数组)

dates = pd.date_range('20130101', periods=6)#创建一个日期序列，period是里面有几个日期
dates

df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))#搞一个六行四列的二维数组，行索引是dates，列索引是list
df

另一个创建表格的方法(通过传递字典对象来创建二维数组)

#另一个创建二维数组的方法，用字典
d={'A': 1., 'B': pd.date_range('20130101', periods=4),'C':[0,1,2,3],'D':pd.array([0,1,2,3])}
df2 = pd.DataFrame(d)
df2
#B是一个时间戳。

查看数据

（1）head查看框架顶部,tail查看框架底部行

data=np.random.randn(6, 4)
data.head()

data.tail()

（2）显示行索引与列索引

df2.columns#查看表格列索引

df2.index#查看表格行索引

3）显示值—numpy数组

df2.values#表格里面的值

4）显示数据整体情况—显示数据的快速统计摘要

df2.describe()#表里数据的分析

5）转置，尺寸

df2.T#转置

df2.T.shape

6）通过列标签来排序

df2.sort_index(axis=0, ascending=0)#axis=1行标签，axis=0列标签。ascending=False降序排，ascending=1升序排，

7）按值排序

df2.sort_values(by='B')#通过某一列的值进行排序

选择数据

1）查看某一列数据

df2['A']#选择某列

2）用标签索引

df2.loc['2':'4']#用行标签索引想要的行,更快

df2.loc[:, ['A', 'B']]#用索引标签索引AB两列

3）通过位置来选择（某行，列）

df2.iloc[3]#位置索引

4）锁定某个特定的值

df2.at[1, 'A']#锁定某个特定值

5）布尔索引

df2[df2['A'] > 0]#布尔索引，A这一列所有大于0的

6）选择大于0的数据

df[df>0]#选取表里面所有大于0的元素，nan都是小于0的被过滤掉了

7）拷贝

df3 = df.copy()#拷贝
df3

8）用isin进行过滤

tag=['one', 'one', 'two', 'three', 'four', 'three']
df3['tag']=tag
df3

df3[df3['tag'].isin(['two', 'four'])]#用isin对上面的表的根据tag列进行过滤

修改

1）修改元素

df.iat[0,3]=100#修改元素，0行3列为100
df

2）修改行/列

df.A=range(6)#修改行/列
df.B=200
df

3）修改多列

df.iloc[:,3:5]=1000#改3-5列数值为1000
df