pandas

Lesson 1

1.1 Create data:  df = pd.DataFrame(data = BabyDataSet, columns=['Names', 'Births'])

zip()用法：接受任意多个序列作为序列，返回一个元组，如下：

names = ['Bob','Jessica','Mary','John','Mel']
births = [968, 155, 77, 578, 973]
BabyDataSet = list(zip(names,births))
Out：[('Bob', 968), ('Jessica', 155), ('Mary', 77), ('John', 578), ('Mel', 973)]

1.2 Get data:  df = pd.read_csv(Location, names=['Names','Births'])

删除读入的csv文件：

import os
os.remove(Location)

1.3 Prepare data: 

查看dataframe的数据类型：df.dtypes

transform（）与apply（）：

data.groupby(key).transform(np.mean)#形状与data相同

data.groupby(key).apply(np.mean)#形状是分组后的，简化

生成具有固定频率的时间序列：pd.data_range(start='12/31/2011', end='12/31/2013', periods=None, freq='D')#D表示以自然日为单位，这个参数用来指定计时单位，比如“5H”代表5小时更新一次

stack（）与unstack（）：

df = pd.DataFrame(data = d, index = i)

stack = df.stack()#print（stack）

print(stack.index)

unstack = df.unstack()#print（unstack）

print(unstack.index)

互换column name 与row name T ：

transpose = df.T

1.4 Analysis data

对某一列排序： df.sort_values(['Births'], ascending=False)#降序

选择dataframe的部分：df.loc['name']

                                          df.loc[inclusive:inclusive]

                                          df.loc[df.index[5:],'col']#前面行，后面列名

                                          df.iloc[inclusive:exclusive]#inclusive --index （integer）

输出前5行：df.head()

输出后5行：df.tail()

求某列的max、min、avg、median：df['Births'].max()