pandas文档阅读记录

Dataframe

这是Dataframe：

若用一个字典初始化df，则键为列标，值按列排。
正如spreadsheet中的形式：

从df中选取某一列结果是Series，类似字典的索引操作。
可以对df进行一些操作，看看里面数据：
如 df.describe()输出数值列的统计信息：

In [9]: df.describe()
Out[9]: 
             Age
count   3.000000
mean   38.333333
std    18.230012
min    22.000000
25%    28.500000
50%    35.000000
75%    46.500000
max    58.000000

Series

Dataframe中每一列是一个Series：

可以初始化Series：

这样初始化的Series也没有列名。因其只有一列。

如何读写tabular数据

一图胜千言（这图太好了。官方文档真是优美）

官方提示：读取完数据后记得看一下，做个简单的检查。
直接打印df是默认打印前5行；head方法可以指定打印几行，tail方法可以打印后几行。

查看每列数据类型

df.dtypes查看每列数据类型。字符串用object类型表示。

df.info()

提供了technical information：

891行，index从0-891

如何选择df中数据

选出特定的列

age_sex = titanic[["Age", "Sex"]]

上面这个括号中，外层括号是选取某一列的作用；内层括号是Python的列表list。文档真详细！

选取age>35的行

above_35 = titanic[titanic["Age"] > 35]

这个作用于每一行的Age属性，返回布尔Series：

In [14]: titanic["Age"] > 35
Out[14]: 
0      False
1       True
2      False
3      False
4      False
       ...  
886    False
887    False
888    False
889    False
890    False
Name: Age, Length: 891, dtype: bool

选取Pclass为2 或3的行

这种方式等价于用|选取2或3：

选择特定数据形成新df

希望从左边选取四个数据形成右边的：


上面代码中，loc方法是根据行列条件筛选的。逗号前面是行筛选条件，后面是列筛选条件。这两个条件都可以为布尔条件、切片等。
iloc是根据位置（序列位置）选取的。且选取完成后，还可以对选取后的数据赋值：

上图中，就对三个没名字的值赋值为anonymous。

根据数据画图

效果：

plot.*

 air_quality = pd.read_csv("data/air_quality_no2.csv", index_col=0, parse_dates=True)

这个index_col参数指定列表的第一列作为index

根据现有列生成新列

问题描述：

根据现有列运算出新列

[]括号操作就是创建新列，其中每个元素都乘以1.882。

apply()函数

也是逐元素的，作用于一个Series（可能在df中的一列）

summary statistics统计数据

问题描述：

聚合统计数据

默认情况忽略掉空值，按行操作。

根据种类求聚合统计数据

问题描述：

下面这个图，和上面的实现的功能一样，只是换了操作顺序：

还可以根据多个条件分组：

根据类别计数

对应代码：

value_counts()函数作用为：对一列数据中每个不同的类别数据出现次数计数。这等价于先group，然后再计数：