python dataframe条件求和_数据分析之路-Python-pandas

了解数据

#构建数据

import pandas as pd
import numpy as np
#构建数据
dates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))
df2 = pd.DataFrame({'A': 1.,
                    'B': pd.Timestamp('20130102'),
                    'C': pd.Series(1, index=list(range(4)), dtype='float32'),
                    'D': np.array([3] * 4, dtype='int32'),
                    'E': pd.Categorical(["test", "train", "test", "train"]),
                    'F': 'foo'})

#查询数据字段格式

df2.dtypes

#数据显示前5行与显示最后3行

df.head()
df.tail(3)

#显示行列索引

df.index
df.columns

#显示数据的快速统计摘要

df.describe()

df.descirbe方法只能针对序列或数据框，一维数组是没有这个方法的。可以自定义一个函数，将这些统计描述指标全部汇总到一起：

def stats(x):
	return pd.Series([x.count(),x.min(),x.idxmin(),x.quantile(.25),x.median(),x.quantile(.75),
                      x.mean(),x.max(),x.idxmax(),x.mad(),x.var(),x.std(),x.skew(),x.kurt()],
                     index = ['Count','Min','Whicn_Min','Q1','Median','Q3','Mean','Max',
                              'Which_Max','Mad','Var','Std','Skew','Kurt'])
print(stats(d1))

#行列转置

df.T

#数据按轴排序

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

#按值排序

df.sort_values(by='B')

选择数据

#选取数据的某列产生一个Series

df['A']

#对数据进行切片

df[0:3]

#通过标签获取数据.loc()

#要使用标签获取横截面，即选取行数据

df.loc[dates[0]]

#通过标签在多轴上选择，即选取列数据

df.loc[:, ['A', 'B']]

#显示标签切片，两个端点都包括在内，即选取制定行列数据

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

#减少返回对象的尺寸，即选取部分行列数据

df.loc['20130102', ['A', 'B']]

#为了获得标量值，即选取指定数据

df.loc[dates[0], 'A']

#为了快速访问标量（相当于先前的方法）

df.at[dates[0], 'A']

通过位置获取数据.iloc()

#通过传递的整数的位置进行选择

df.iloc[3]

#通过整数切片，其行为类似于numpy / python

d