十分钟了解pandas（总结）

这里是官网上的原文。每次都还链接到最新版本。这篇文章，对于不是英语母语的，10分钟，我觉得绝逼是看不完的。网上已经有很多翻译了。我只是把文章的结构组织以下，死记硬背一下它提到的知识点。

对象创建

创建Series

s = pd.Series([1,3,5,np.nan,6,8])

创建基于时间的index

dates = pd.date_range('20130101', periods=6)

创建DataFrame

df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))

查看数据

首尾数据

df.head()
df.tail(5)

查看索引，列，值

df.index
df.columns
df.values

查看统计数据

df.describe()

转置

df.T

索引排序

df.sort_index(axis=1, ascending=False)

按列值排序

df.sort_values(by='B')

选取

[]取列

df['A']
df[['A','B']]

[]取行

df[0:3]
df['20130102':'20130104']

• '20130102':'20130104'可自动转化为dateIndex
• 单值’20130102’会尝试匹配列

通过标签来选取 loc

df.loc[dates[0]]
df.loc[:,['A','B']]
df.loc['20130102':'20130104',['A','B']]
df.loc[dates[0],'A']
df.at[dates[0],'A']

• 通过标签，既通过具体的值，而不是位置来取值（语义：’A’列的’2013-01-02’行）
• at比loc更快（取单值）

通过位置来选取 iloc

df.iloc[3]
df.iloc[3:5,0:2]
df.iloc[[1,2,4],[0,2]]
df.iloc[1:3,:]
df.iloc[:,1:3]
df.iloc[1,1]
df.iat[1,1]

• 位置永远都是integer类型，iloc[]只接受整数（语义：第4列的第3行）
• iat比iloc要快（取单值）
• 如果index是整数索引，loc和iloc在取行的时候是一样的，但iloc要快，不需要做key的匹配（语义：第4列的第3行和’4‘列的’3‘行的区别）

布尔索引匹配

df[df.A > 0]