Pandas与数据处理之DataFrame：创建、查看与访问

DataFrame是一个表格型的数据结构，每一列代表一个变量，每一行则是一条记录，DataFrame是一个共享index的Series的集合。

创建和加载

import pandas as pd

import numpy as np

创建函数：df = pd.DataFrame(np.random.randn(6, 4), index = pd.to_datetime(['2016-01-01', '2016-01-02', '2016-01-03', '2016-01-04', '2016-01-05, '2016-01-06'], columns = list('ABCD'))，其中randn(6,4)表示生成一个6*4的二维数组, index指定索引列，columns指定列名。

从text或者csv文件中读取：pd.read_table('file_path', sep = '\t', header = None, names = None)，其中file_path是带路径的文件名，sep表示文件中的列分隔符，header是指用作别名的行数，None表示没有，默认值为0。names用来指定列名，跟header是二选1的。

从csv文件中读取：pd.read_csv('file_path', header = None, sep = '')：与read_table相同。

从mysql中读取：首先建立mysql连接：import MySQLDb

mysql_cn = MySQLDb.connect(host='localhost', port = 3306, user= 'root', passwd = 'pwd123', db = 'stock')

pd.read_sql('select * from company limie 10;', con = mysql_cn)

查看DataFrame对象

前几行：df.head(3)

后几行：df.tail(3)

查看列名：df.columns

查看行的index：df.index

查看数据值：df.values

查看描述性信息：df.describe()

DataFrame对象索引与切片

对行进行切片：df[1:3]

提取单独的一列：df['A']

提取多列:df[['A', 'B']]

根据boolean值查询：df[df['A'] > 0]， 查看A列大于0的行；

更灵活的函数为loc，iloc，ix：

标签索引与切片:loc，通过标签来访问

提取特定列：df.loc[:, 'A']，提取'A'列

提取特定多列：df.loc[:, 'A':'C']，提取'A'到'C'列

提取特定行的特定列：df.loc[dates[0:2], 'A':'C']，df.loc[dates[0], 'A':'C']，提取特定date的A-C列

根据boolean读取：df.loc[df.loc[:, 'A'] > 0]

位置索引与切片:iloc，通过位置来访问

提取特定行：df.iloc[2]

提取特定列：df.iloc[:, 2]

提取指定行和列：df.iloc[[1,4], [3,5]]（第1，4行，第3，5列）

切片：df.iloc[1:4, 2:4](前闭后开区间）

提取特定位置：df.iloc[3,4], df.iat[3,4]

根据boolean值进行提取：df.loc[:,df.iloc[3]>0],所有行中，选择第三行大于0的列。

广义索引与切片：ix，自动判断使用标签或者位置

对行切片：df.ix[2:5]

取某几行，某几列：df.ix[[1,3], 2], df.ix[[1,3], 'C']

对行列进行切片：df.ix[1:3, 'A':'C']

根据boolean值进行提取：df.ix[1:3, iloc[3]> 0], [1,3)行，其中第3行>0的列。