python 库pandas的一些介绍

可以输入给DataFrame构造器的数据

二维ndarray        #数据矩阵，还可以掺入行标和列标

由数组、列表或元组组成的字典   #每个序列会变成DataFrame的一列。所有序列的长度必须相同

由Series组成的字典   #每个Series会成为一列。如果没有显式指定索引，则各Series的索引会被合并成结果的行索引

由字典组成的字典   #各内层字典会成为一列。键会被合并成结果的行索引，跟“由Series组成的字典”情况一样

字典或Series的列表    #各项将会成为DataFrame的一列。字典键或Series索引的并集将会成为DataFrame的列标

由列表或元组组成的列表   #类似于“二维ndarray”

另一个DataFrame  #该DataFrame的索引将会被沿用，除非显式指定了其他索引

NumPy的MaskedArray  #类似于“二维ndarray”的情况，只是掩码值在结果DataFrame会变成NA/缺失值重点内容   

pandas中主要的Index对象

Index    #最泛化的Index对象，将轴标签表示为一个由Python对象组成的NumPy数组

Int64Index    #针对整数的Index

MultiIndex    #“层次化”索引对象，表示单个轴上的多层索引。可以看做由元组组成的元组

DatatimeIndex   #存储纳秒级时间戳（用NumPy的datetime64类型表示）

PeriodIndex   #针对Period数据（时间间隔）的特殊Index

Index的方法和属性

append    #连接另一个Index对象，产生一个新的Index

diff       #计算差集，并得到一个Index

intersection   #计算交集

union  #计算并集

isin   #计算一个指示各值是否都包含在参数集合中的布尔型数组

delete  #删除索引出的元素，并得到新的Index 

drop   #删除传入的值，并得到新的Index

insert   #将元素插入到索引出，并得到新的Index

is_monotonic   #当各元素均大于等于前一个元素时，返回True

is_unique  #当Index没有重复值时，返回True

unique  #计算Index中唯一值得数组

reindex的（插值）method选项

ffill或pad     #前向填充（或搬运）值

bfill或backfill   #后向填充（或搬运）值

reindex函数的参数

index   #用作索引的新序列。既可以是Index实例，也可以是其他序列型的Python数据结构。Index会被完全使用，就像没有任何复制一样

method   #插值（填充）方式

fill_value   #在重新索引的过程中，需要引入缺失值时使用的替代值

limit   #前向或后向填充时的最大填充量

level  #在MultiIndex的指定级别上匹配简单索引，否则选取其子集

copy  #默认为True，无论如何都复制，如果为False，则新旧相等不复制

DataFrame的索引选项

obj[val]   #选取DataFrame的单个列或一组列。在一些特殊情况下会比较便利：布尔型数组（过滤行）、切片（行切片）、布尔型DataFrame（根据条件设置值）

obj.ix[val]   #选取DataFrame的单个行或一组行

obj.ix[:,val]   #选取单个列或一组列

obj.ix[val1,val2]  #同时选取行和列

reindex方法    #将一个或多个轴匹配到新索引

xs方法    #根据标签选取单行或单列，并返回一个Series

icol、irow方法    #根据整数位置选取单列或单行，并返回一个Series

get_value 方法   #根据行标签和列标签选取单个值

set_value方法   #根据行标签和列标签设置单个值

灵活的算数方法

add   #用于加法（+）
sub  #用于减法（-）
div  #用于除法（/）
mul  #用于乘法（*）

排名时用于破坏平级关系的method选项

'average'   #默认：在相等分组中，为各个值分配平均排名

'min'   #是用整个分组的最小排名

'max'   #使用整个分组的最大排名

'first'   #按值在原始数据中的出现顺序分配排名

约简方法的选项

axis    #约简的轴，DataFrame的行用0，列用1

skipna   #排除缺失值，默认值是True

level  #如果轴是层次化索引的（即MultiIndex），则根据level分组约简

描述和汇总方法

count   #非NA值的数量

describe  #针对Series或各DataFrame列计算汇总统计

min、max  #计算最小值和最大值

argmin、argmax  #计算能够获取到最小值和最大值的索引位置（整数）

idxmax、idxmin  #计算能够获取到最小值和最大值的索引值

quantile   #计算样本的分位数（0到1）

sum    #值的总和

mean   #值的平均值

median   #值的算术中位数（50%分位数）

mad      #根据平均值计算平均绝对离差

var   #样本值的方差

std   #样本值的标准差

skew   #样本值的偏度（三阶矩）

kurt   #样本值的峰度（四阶矩）

cumsum  #样本值的累积和

cummin、cummax  #样本值的累积最大值和累积最小值

cumprod   #样本值的累积积

diff    #计算一阶差分（对时间序列很有用）

pct_change   #计算百分数变化

唯一值、值计数、成员资格方法

isin    #计算一个表示"Series各值是否包含于传入的值序列中"的布尔型数组

unique  #计算Series中的唯一值数组，按发现的顺序返回

value_counts  #返回一个Series，其索引为唯一值，其值为频率，按计数值降序排列

NA处理方法

dropna      #根据各标签的值中是否存在缺失数据对轴标签进行过滤，可通过阈值调节对缺失值的容忍度

fillna   #用指定值或插值方法（如ffill或bfill）填充缺失数据

isnull   #返回一个含有布尔值的对象，这些布尔值表示哪些值是缺失值/NA,该对象的类型与源类型一样

notnull   #isnull的否定式

fillna函数的参数

value   #用于填充缺失值的标量值或字典对象

method   #插值方式。如果函数调用时未指定其他参数的话，默认为‘ffill’

axis  #默认填充的轴，默认axis=0

inplace  #修改调用对象而不产生副本，默认为False

limit  #（对于前向填充和后向填充）可以连续填充的最大数量

thresh   #最少有thresh个不为NA的值时保留，默认axis=0