Offical Website :http://pandas.pydata.org/

一：两种基本的数据类型结构 Series 和 DataFrame

先来看一下Series

 import pandas as pd

 import numpy as np

 import matplotlib.pyplot as plt

 #Series

 s = pd.Series([i*2 for i in xrange(1 , 11)])

 print s

打印结果为：

0     2

1     4

2     6

3     8

4    10

5    12

6    14

7    16

8    18

9    20

dtype: int64

其中。前面的0--9是索引值，后面的2,4,6...是我们传递的 list 中的值。

 

然后看一下DataFrame

 import pandas as pd

 import numpy as np

 import matplotlib.pyplot as plt

 #DataFrame

 dates = pd.date_range('' , periods = 8)

 df = pd.DataFrame(np.random.randn(8 , 5) , index = dates , columns = list('ABCDE'))

 print df

运行结果：

                   A         B         C         D         E

2017-03-01  1.446957 -0.969023 -0.272529  0.695884 -0.842616

2017-03-02 -0.193140  1.231356  0.761668 -0.859277 -1.002324

2017-03-03 -0.441364  1.059026  0.392266  1.180888  0.144625

2017-03-04  0.510129  0.851746  0.110843  0.745591 -0.724988

2017-03-05  0.417613 -0.640111 -1.048320  1.605048  0.935129

2017-03-06  0.805600  0.491515  0.042078  0.081229 -0.293101

2017-03-07 -1.597687  0.268910  1.078853 -1.488760 -1.881305

2017-03-08 -2.414063  1.147526  0.143332  0.622884  1.760944

其中，第一个参数 np.random.randn(8 , 5)  会返回一个8行5列的 array , 其中的元素值为满足标准正态分布的随机数

第二个参数 index = dates （dates 是一个数组）传递了DataFrame 的索引值

第三个参数 columns = list('ABCDE') 传递了这个 DataFrame 对象每一列的标签

 

另外。DataFrame 接收的参数还可以是一个字典。key 对应列的标签，value 对应列的元素值。具体有多少行根据 每一个key 中 value 值最多的来确定。

df = pd.DataFrame({'A':1,'B':[1,2,3,4]})

print df

   A  B

0  1  1

1  1  2

2  1  3

3  1  4

可以看到。Series 是 DataFrame 中的一个组成部分，或者说是一种特殊的 DataFrame。DataFrame 又是许多 Series 的集合。

 

二：DataFrame的基本操作

df.head(n = 5)返回原 df 对象的前 n 行。n 默认为5

df.tail(n = 5)返回原 df 对象的后 n 行。n 默认为5

df.index 返回 df 对象的索引值

 import pandas as pd

 import numpy as np

 import matplotlib.pyplot as plt

 #DataFrame

 dates = pd.date_range('' , periods = 8)

 df = pd.DataFrame(np.random.randn(8 , 5) , index = dates , columns = list('ABCDE'))

 #print df

 #Basic

 print 'Head'

 print df.head(3)

 print 'Tail'

 print df.tail(3)

 print

 print df.index
Head

                   A         B         C         D         E

2017-03-01  0.872154  0.887637  0.877745  0.170153 -0.595866

2017-03-02 -2.260319 -1.400152 -0.347347 -0.880254 -0.388510

2017-03-03 -0.032758  0.393881 -0.279599  1.904316 -1.292630

Tail

                   A         B         C         D         E

2017-03-06 -0.116548 -0.459674  0.671389 -0.536236  1.224103

2017-03-07 -0.067690  0.678551 -0.258071 -0.352931  0.415018

2017-03-08  0.006201  0.464584  0.141018 -0.076282 -0.638886

DatetimeIndex(['2017-03-01', '2017-03-02', '2017-03-03', '2017-03-04',

               '2017-03-05', '2017-03-06', '2017-03-07', '2017-03-08'],

              dtype='datetime64[ns]', freq='D')

df.values 返回 df 对象中的元素值。并且返回的对象类型是一个 numpy.ndarray

df.T 返回一个转置过的 df 对象（行列交换）

 import pandas as pd

 import numpy as np

 import matplotlib.pyplot as plt

 #DataFrame

 dates = pd.date_range('' , periods = 8)

 df = pd.DataFrame(np.random.randn(8 , 5) , index = dates , columns = list('ABCDE'))

 print df.values

 print df.T
[[ 0.08981458  2.35966602  0.00606022  0.08633954  1.05939747]

 [-1.05151225 -1.19768201  1.83672123  1.20769635 -0.30581458]

 [-0.17192213 -0.75261065  1.04369857 -0.14874237  2.07925093]

 [-0.94600881  0.68897204 -0.18006348 -1.39294212 -0.24695665]

 [ 0.7730522  -1.62446734 -1.35308009  2.97657871  0.56537233]

 [ 0.24186251  0.56652445 -0.00513021  0.14593751  0.07460181]

 [-1.52712564  0.79666412 -1.68573768  0.85084609  0.48469802]

 [ 1.49180784 -0.04688902 -0.89278834 -0.81667428 -0.15639693]]

   2017-03-01  2017-03-02  2017-03-03  2017-03-04  2017-03-05  2017-03-06  \

A    0.089815   -1.051512   -0.171922   -0.946009    0.773052    0.241863

B    2.359666   -1.197682   -0.752611    0.688972   -1.624467    0.566524

C    0.006060    1.836721    1.043699   -0.180063   -1.353080   -0.005130

D    0.086340    1.207696   -0.148742   -1.392942    2.976579    0.145938

E    1.059397   -0.305815    2.079251   -0.246957    0.565372    0.074602

   2017-03-07  2017-03-08

A   -1.527126    1.491808

B    0.796664   -0.046889

C   -1.685738   -0.892788

D    0.850846   -0.816674

E    0.484698   -0.156397

df.sort_values(['columns_name'] , ascending = (0/1))　　排序。对指定的列（columns_name）按指定的方式( 0 降序 ， 1 升序)来排序。

df.sort_index(axis = 0/1 , ascending = 0/1) 排序。可对行索引(axis = 0)和列索引（axis = 1）按照降序（ascending =0）和升序(ascending = 1)进行排序

 import pandas as pd

 import numpy as np

 import matplotlib.pyplot as plt

 #DataFrame

 dates = pd.date_range('' , periods = 8)

 df = pd.DataFrame(np.random.randn(8 , 5) , index = dates , columns = list('ABCDE'))

 print df.sort_values('A' , ascending = 1)

 print df.sort_index(axis = 0, ascending = 0)

 print df.sort_index(axis = 1, ascending = 0)
                   A         B         C         D         E

2017-03-04 -0.885580  0.668956  0.007392  0.561356 -0.214626

2017-03-05 -0.135071 -1.049060 -1.305366  0.558175 -0.087092

2017-03-08  0.188582  0.492789 -1.364214  0.504932  1.241542

2017-03-02  0.306423 -1.595937  0.532442  0.773825  0.196982

2017-03-06  0.901500 -0.115927 -1.448039  1.733633 -0.805994

2017-03-01  0.951188 -2.335634  1.592160  0.166211 -0.716212

2017-03-03  1.654593  0.431696  0.084542  0.121351 -0.197380

2017-03-07  1.673910  0.799920 -0.010755 -0.959697 -0.498297

                   A         B         C         D         E

2017-03-08  0.188582  0.492789 -1.364214  0.504932  1.241542

2017-03-07  1.673910  0.799920 -0.010755 -0.959697 -0.498297

2017-03-06  0.901500 -0.115927 -1.448039  1.733633 -0.805994

2017-03-05 -0.135071 -1.049060 -1.305366  0.558175 -0.087092

2017-03-04 -0.885580  0.668956  0.007392  0.561356 -0.214626

2017-03-03  1.654593  0.431696  0.084542  0.121351 -0.197380

2017-03-02  0.306423 -1.595937  0.532442  0.773825  0.196982

2017-03-01  0.951188 -2.335634  1.592160  0.166211 -0.716212

                   E         D         C         B         A

2017-03-01 -0.716212  0.166211  1.592160 -2.335634  0.951188

2017-03-02  0.196982  0.773825  0.532442 -1.595937  0.306423

2017-03-03 -0.197380  0.121351  0.084542  0.431696  1.654593

2017-03-04 -0.214626  0.561356  0.007392  0.668956 -0.885580

2017-03-05 -0.087092  0.558175 -1.305366 -1.049060 -0.135071

2017-03-06 -0.805994  1.733633 -1.448039 -0.115927  0.901500

2017-03-07 -0.498297 -0.959697 -0.010755  0.799920  1.673910

2017-03-08  1.241542  0.504932 -1.364214  0.492789  0.188582

df.describe() 对DataFrame 中的数据进行一个总的描述

print df.describe()

              A         B         C         D         E

count  8.000000  8.000000  8.000000  8.000000  8.000000

mean  -0.087813  0.718481 -0.267764 -0.451818  0.560079

std    1.494381  0.499839  1.070840  1.008569  1.263091

min   -2.176000  0.045393 -1.701633 -1.838860 -2.090028

25%   -1.405379  0.298836 -0.848086 -0.997443  0.119207

50%    0.107146  0.836200 -0.246589 -0.536753  0.866753

75%    1.132235  1.040045  0.179091 -0.217005  1.542020

max    1.928376  1.310759  1.741579  1.624236  1.691431

可以看到它描述了每一列的 总数量， 平均值， (标准值？) ， 最小值 ， 平均低4分位 ， 中位值 ， 平均高四分位， 最大值

 

df.mean() 会对 DataFrame 的每一列元素求平均值（元素的类型要求是数字）

求出的平均值可以通过 list( )进行强制类型转换，转换之后得到的 list 中的元素的类型也是数（float）

 dates = pd.date_range('' , periods = 8)

 df = pd.DataFrame(np.random.randn(8 , 5) , index = dates , columns = list('ABCDE'))

 df.loc[: ,'A'] = 'a'

 print df

 print df.mean()

 print list(df.mean())

 print type(list(df.mean())[0])
            A         B         C         D         E

2017-03-01  a -0.857906  0.380529  0.531562  0.299163

2017-03-02  a  0.391248 -2.227574  0.792068 -1.100136

2017-03-03  a  0.260002  0.294271  0.392461  0.161064

2017-03-04  a -0.136737  0.018517 -0.284478  0.009943

2017-03-05  a -0.725036 -0.031868  1.289505 -0.108265

2017-03-06  a  1.616869 -1.528318  0.311700  1.386990

2017-03-07  a -0.961123 -0.244735 -0.120312 -0.595079

2017-03-08  a -0.631889  0.205291 -0.407998 -0.388415

B   -0.130572

C   -0.391736

D    0.313063

E   -0.041842

dtype: float64

[-0.13057154848170802, -0.39173579343646675, 0.31306349321693849, -0.041841901046697855]

<type 'numpy.float64'>

三：DataFrame 的选择（切片）

print df['A']

print type(df['A'])

2017-03-01   -0.158978

2017-03-02   -1.690027

2017-03-03    1.188897

2017-03-04   -0.913982

2017-03-05    0.433453

2017-03-06   -1.381605

2017-03-07    0.148752

2017-03-08    1.021067

Freq: D, Name: A, dtype: float64

<class 'pandas.core.series.Series'>

df  后面可以直接跟 columns_name 。得到的是一个 Series，包含索引和列的元素值

 

当我们需要某一行（或某几行的DataFrame 时）。我们不能直接用行的索引来选择

print df['2017-03-01']
print df[0]

例如这样的操作。都会报错

 

而应该类似于list 中的切片操作。我们既可以对 行数(0,1,2,3)进行切片，也可以对index （2017-03-01  ， 2017-03-02 ，，。。。）进行切片操作来选取。

print df[0:1]

print df[1:]

print df['2017-03-01':'2017-03-03']

print df[:]

                   A         B         C         D        E

2017-03-01 -0.744223  0.517575  0.199179 -0.531218  1.18652

                   A         B         C         D         E

2017-03-02  0.297713 -1.394280  0.722143  0.194107  0.020040

2017-03-03  1.040041  0.844153 -1.523378 -0.024551  2.524847

2017-03-04 -0.136714  0.581337  0.458747 -1.616134 -0.831049

2017-03-05  1.131013  1.268097  0.392704 -0.891760  0.056044

2017-03-06 -0.479798 -0.408351 -1.041832  0.052908 -1.037984

2017-03-07  0.886389  1.528950  1.044967  1.646536 -0.394471

2017-03-08 -0.712788  0.571170 -0.916402  0.843917  1.471186

                   A         B         C         D         E

2017-03-01 -0.744223  0.517575  0.199179 -0.531218  1.186520

2017-03-02  0.297713 -1.394280  0.722143  0.194107  0.020040

2017-03-03  1.040041  0.844153 -1.523378 -0.024551  2.524847

                   A         B         C         D         E

2017-03-01 -0.744223  0.517575  0.199179 -0.531218  1.186520

2017-03-02  0.297713 -1.394280  0.722143  0.194107  0.020040

2017-03-03  1.040041  0.844153 -1.523378 -0.024551  2.524847

2017-03-04 -0.136714  0.581337  0.458747 -1.616134 -0.831049

2017-03-05  1.131013  1.268097  0.392704 -0.891760  0.056044

2017-03-06 -0.479798 -0.408351 -1.041832  0.052908 -1.037984

2017-03-07  0.886389  1.528950  1.044967  1.646536 -0.394471

2017-03-08 -0.712788  0.571170 -0.916402  0.843917  1.471186

还可以运用 loc函数来选取需要的元素值或者 DataFrame对象 和 Series 对象

当需要选取某一行（比如第0 行，索引值为  2017-03-01  ）的时候 可以用 df.loc['2017-03-01'] 或者 df.loc[df.index[0]]，但是不可以使用 df.loc[0]。将会得到一个 Series 对象

当需要选取某一列  （比如列的索引为 ‘A’）的时候，可以用 df.loc[: , 'A']，会得到一个 Series 对象

也就是说，用 loc 选取的时候，只能使用索引，而不能简单的用0,1,2.。。。来代替

当我们需要得到一个某几行几列的 DataFrame 对象的时候。需要使用切片。

与上面不同的是，loc 的切片只能用索引切片。

 import pandas as pd

 import numpy as np

 import matplotlib.pyplot as plt

 #DataFrame

 dates = pd.date_range('' , periods = 8)

 df = pd.DataFrame(np.random.randn(8 , 5) , index = dates , columns = list('ABCDE'))

 print df.loc['2017-03-01']

 print

 print df.loc[: , 'A']

 print

 print df.loc['2017-03-01','A']

 print

 print df.loc[df.index[0]:df.index[3] , 'A':'C']
A    0.523693

B    0.949603

C   -0.683277

D    0.570584

E   -0.762546

Name: 2017-03-01 00:00:00, dtype: float64

2017-03-01    0.523693

2017-03-02   -1.327872

2017-03-03   -0.426860

2017-03-04    1.924556

2017-03-05   -0.107997

2017-03-06   -1.142094

2017-03-07   -0.033565

2017-03-08   -0.055100

Freq: D, Name: A, dtype: float64

0.523692755138

                   A         B         C

2017-03-01  0.523693  0.949603 -0.683277

2017-03-02 -1.327872 -0.240553 -0.955248

2017-03-03 -0.426860 -1.569299 -0.776820

2017-03-04  1.924556  0.420573 -0.517472

前面我们说，在用 loc 进行选择的时候，我们只能用索引值，不能用下标(0,1,2,3......)

现在有函数 iloc 可以支持我们用下标进行选择并且只能用下标进行选择。基本上与 loc 一致。只是 loc 的所有索引都需要被换成下标。

 print df.iloc[0]

 print

 print df.iloc[: , 0]

 print

 print df.iloc[0,0]

 print

 print df.iloc[0:3 , 0:3]
A   -0.746018

B   -2.008161

C    0.662723

D   -1.446216

E   -1.069992

Name: 2017-03-01 00:00:00, dtype: float64

2017-03-01   -0.746018

2017-03-02    0.355898

2017-03-03    0.224572

2017-03-04    0.491077

2017-03-05    0.189671

2017-03-06    1.287336

2017-03-07    0.625124

2017-03-08   -1.064447

Freq: D, Name: A, dtype: float64

-0.746017502389

                   A         B         C

2017-03-01 -0.746018 -2.008161  0.662723

2017-03-02  0.355898 -0.773666  0.741954

2017-03-03  0.224572  1.839602 -1.701422

 筛选某些具有特定要求的数据得到一个新的 DataFrame

df[(df.A > 0 )  & (df['B'] > 0) ]

df.loc[  (df.A > 0) | df['B'] < 0 ]

 print df

 print df[(df.A > 0) & (df['B'] > 0)]

 print df.loc[(df.A > 0) | (df['B'] < 0)]
                   A         B         C         D         E

2017-03-01  0.399499 -0.301952  0.829142  0.378531 -0.372409

2017-03-02  1.856642 -0.569681 -0.639396  0.352889 -0.579640

2017-03-03 -0.688705 -1.020069  0.694585  0.954841  0.108886

2017-03-04 -0.251342  0.963177 -1.245065 -0.405680 -0.264811

2017-03-05 -0.421710 -0.404864  0.295869 -1.315680  1.849906

2017-03-06  1.036118 -1.373403 -0.297122 -0.795075 -0.245171

2017-03-07  0.601060  1.765738  0.948425 -0.574575  1.008444

2017-03-08 -0.587488 -0.696066 -1.634978 -0.416340  0.791085

                  A         B         C         D         E

2017-03-07  0.60106  1.765738  0.948425 -0.574575  1.008444

                   A         B         C         D         E

2017-03-01  0.399499 -0.301952  0.829142  0.378531 -0.372409

2017-03-02  1.856642 -0.569681 -0.639396  0.352889 -0.579640

2017-03-03 -0.688705 -1.020069  0.694585  0.954841  0.108886

2017-03-05 -0.421710 -0.404864  0.295869 -1.315680  1.849906

2017-03-06  1.036118 -1.373403 -0.297122 -0.795075 -0.245171

2017-03-07  0.601060  1.765738  0.948425 -0.574575  1.008444

2017-03-08 -0.587488 -0.696066 -1.634978 -0.416340  0.791085

当有多个条件时，每个条件需要用 () 括起来并且 用 &（且） 和  |（或）  进行连接。

 

df[df > 0] 筛选出 df 中元素值大于0的元素。对于小于0 的元素填 np.nan。返回得到的这个新  DataFrame

print df

print df[df > 0]

                   A         B         C         D         E

2017-03-01  1.677450  2.163308  1.062092 -0.523620  0.628484

2017-03-02 -0.246469  1.167712  0.422173 -1.267306  0.452185

2017-03-03 -0.016746 -1.110537 -2.106998 -0.715175 -1.450872

2017-03-04  0.900309  1.416489  1.389152  0.416001  1.557737

2017-03-05  0.577419  0.525642 -2.726353 -0.506887 -0.765607

2017-03-06 -0.598997  2.052256  0.204728  1.783496 -1.765711

2017-03-07 -1.267873  0.856503  1.236517 -1.239220  0.536613

2017-03-08 -2.534660 -1.395564 -0.542685  0.800363 -1.008428

                   A         B         C         D         E

2017-03-01  1.677450  2.163308  1.062092       NaN  0.628484

2017-03-02       NaN  1.167712  0.422173       NaN  0.452185

2017-03-03       NaN       NaN       NaN       NaN       NaN

2017-03-04  0.900309  1.416489  1.389152  0.416001  1.557737

2017-03-05  0.577419  0.525642       NaN       NaN       NaN

2017-03-06       NaN  2.052256  0.204728  1.783496       NaN

2017-03-07       NaN  0.856503  1.236517       NaN  0.536613

2017-03-08       NaN       NaN       NaN  0.800363       NaN

df[  df['E'].isin[ list ] ]

df.loc[:3,'E'] = 2

df.loc[3: , 'E'] =3

print df

print df[df['E'].isin([1,2])]

                   A         B         C         D    E

2017-03-01  0.831030  0.091797 -1.372896 -0.209519  2.0

2017-03-02 -0.207082  1.756175  0.814452  0.919294  2.0

2017-03-03 -0.309872  0.823114 -0.667895 -0.723452  2.0

2017-03-04 -0.232162 -0.387264 -0.366248  0.908574  3.0

2017-03-05  0.382886 -1.131076 -0.369336 -0.128234  3.0

2017-03-06  0.665425 -0.240306  0.167547  0.215651  3.0

2017-03-07  0.709806  1.931120 -1.107219  0.331201  3.0

2017-03-08  0.527246  0.683884  0.084874  1.195304  3.0

                   A         B         C         D    E

2017-03-01  0.831030  0.091797 -1.372896 -0.209519  2.0

2017-03-02 -0.207082  1.756175  0.814452  0.919294  2.0

2017-03-03 -0.309872  0.823114 -0.667895 -0.723452  2.0

四：对DataFrame 的设置

可以直接通过上面的选择方法来选择一行或者一列或者某一个行列均确定的元素，然后赋值直接修改即可。

主要过程和上面基本相同。

另外，DataFrame 是可以进行 四则运算的。它会对相应位置上的元素值进行四则运算从而得到一个新的 DataFrame

 

五：对 DataFrame 缺失值的处理

可以删除缺失值

df.dropna(axis = 0/1 , how = 'any'/'all') axis 默认为0。 删除某一行(axis = 0 )，或者某一列(axis = 1)，如果这一行/列 全部是空值（how = 'all'），有至少有一个空值（ how = 'any'）

可以填充全部缺失值

df.fillna(value = value)

 #-*_-coding:utf-8-*-

 import pandas as pd

 import numpy as np

 import matplotlib.pyplot as plt

 #DataFrame

 dates = pd.date_range('' , periods = 8)

 df = pd.DataFrame(np.random.randn(8 , 5) , index = dates , columns = list('ABCDE'))

 s = pd.Series([1]*3 + [np.nan] * (len(df) -3) , pd.date_range('' , periods = 8))

 df.E = s

 df.loc[: , 'F'] = np.nan

 df.loc[df.index[-1]] = np.nan

 print df

 print df.dropna(axis = 1 , how = 'all')

 print df.dropna(axis = 1 , how = 'all').dropna(axis = 0 , how = 'any')

 print df.dropna(how = 'all')
                   A         B         C         D    E   F

2017-03-01  1.811369  1.316996 -0.641261 -0.448455  1.0 NaN

2017-03-02 -0.019703  0.749759 -0.009580  0.715036  1.0 NaN

2017-03-03  1.347926  1.026859 -1.084211 -0.813363  1.0 NaN

2017-03-04  1.583241 -0.277278 -0.303702  1.724784  NaN NaN

2017-03-05 -1.030510  0.311998 -2.508356 -0.824971  NaN NaN

2017-03-06 -0.322945 -0.215030  0.356070 -1.027667  NaN NaN

2017-03-07  0.315569 -0.780942  0.951732  0.018470  NaN NaN

2017-03-08       NaN       NaN       NaN       NaN  NaN NaN

                   A         B         C         D    E

2017-03-01  1.811369  1.316996 -0.641261 -0.448455  1.0

2017-03-02 -0.019703  0.749759 -0.009580  0.715036  1.0

2017-03-03  1.347926  1.026859 -1.084211 -0.813363  1.0

2017-03-04  1.583241 -0.277278 -0.303702  1.724784  NaN

2017-03-05 -1.030510  0.311998 -2.508356 -0.824971  NaN

2017-03-06 -0.322945 -0.215030  0.356070 -1.027667  NaN

2017-03-07  0.315569 -0.780942  0.951732  0.018470  NaN

2017-03-08       NaN       NaN       NaN       NaN  NaN

                   A         B         C         D    E

2017-03-01  1.811369  1.316996 -0.641261 -0.448455  1.0

2017-03-02 -0.019703  0.749759 -0.009580  0.715036  1.0

2017-03-03  1.347926  1.026859 -1.084211 -0.813363  1.0

                   A         B         C         D    E   F

2017-03-01  1.811369  1.316996 -0.641261 -0.448455  1.0 NaN

2017-03-02 -0.019703  0.749759 -0.009580  0.715036  1.0 NaN

2017-03-03  1.347926  1.026859 -1.084211 -0.813363  1.0 NaN

2017-03-04  1.583241 -0.277278 -0.303702  1.724784  NaN NaN

2017-03-05 -1.030510  0.311998 -2.508356 -0.824971  NaN NaN

2017-03-06 -0.322945 -0.215030  0.356070 -1.027667  NaN NaN

2017-03-07  0.315569 -0.780942  0.951732  0.018470  NaN NaN
print df

print df.fillna(value = 2)

                   A         B         C         D    E   F

2017-03-01  0.529989  1.278479 -2.450377  1.019220  1.0 NaN

2017-03-02 -0.834147  0.563709  2.127497 -0.004560  1.0 NaN

2017-03-03 -1.630047 -0.251976 -0.217972  1.530107  1.0 NaN

2017-03-04  1.012212 -0.197851  2.217734  0.290256  NaN NaN

2017-03-05  1.259308  0.102747  0.183875 -0.048879  NaN NaN

2017-03-06  0.199627  1.776640  1.347103 -1.655109  NaN NaN

2017-03-07 -0.144254  0.533370  0.692462  0.690940  NaN NaN

2017-03-08       NaN       NaN       NaN       NaN  NaN NaN

                   A         B         C         D    E    F

2017-03-01  0.529989  1.278479 -2.450377  1.019220  1.0  2.0

2017-03-02 -0.834147  0.563709  2.127497 -0.004560  1.0  2.0

2017-03-03 -1.630047 -0.251976 -0.217972  1.530107  1.0  2.0

2017-03-04  1.012212 -0.197851  2.217734  0.290256  2.0  2.0

2017-03-05  1.259308  0.102747  0.183875 -0.048879  2.0  2.0

2017-03-06  0.199627  1.776640  1.347103 -1.655109  2.0  2.0

2017-03-07 -0.144254  0.533370  0.692462  0.690940  2.0  2.0

2017-03-08  2.000000  2.000000  2.000000  2.000000  2.0  2.0

总结一下：

1.首先是创建。包括 Series 和 DataFrame 的创建。

其中 Series = pd.Series（values ， keys）

　　DateFrame = pd.DataFrame（list(values)  , index = list , columns = list）

2.其次是 DataFrame 的一些自带的函数功能调用。

　　df.head() , df.tail() , df.sort_values() , df.mean() , df.describe()。以及df.values , df.index ,df.T 等等

3.主要需要掌握对DataFrame的数据选择处理

　　df.value可以直接选择某一列的数据 ， df[  ]只能使用切片选择，可以使用索引和下标切片

　　df.loc[]需要使用索引， df.iloc[]需要使用下标

　　df[df.values > 0]可以筛选出满足条件的一个DataFrame出来。需要满足多个条件时df[(df.A > 0)&(df.B < 0)]

4.缺失值的处理。删除或填充。   df.dropna（axis = 0  , how）      df.fillna（value）

数据处理之pandas简单介绍的更多相关文章

  1. python之pandas简单介绍及使用（一）

    python之pandas简单介绍及使用(一) 一. Pandas简介1.Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具,该工具是为了解决数据 ...

  2. 利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍

    一.pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包,主要目的是为了数据分析.它提供了大量高级的数据结构和对数据处理的方法. pandas 有两个主要的数据结构 ...

  3. [数据分析工具] Pandas 功能介绍（一）

    如果你在使用 Pandas(Python Data Analysis Library) 的话,下面介绍的对你一定会有帮助的. 首先我们先介绍一些简单的概念 DataFrame:行列数据,类似 Exce ...

  4. Python 数据处理库 pandas 入门教程

    Python 数据处理库 pandas 入门教程2018/04/17 · 工具与框架 · Pandas, Python 原文出处: 强波的技术博客 pandas是一个Python语言的软件包,在我们使 ...

  5. Python 数据处理库pandas教程（最后附上pandas_datareader使用实例）

    0 简单介绍 pandas是一个Python语言的软件包,在我们使用Python语言进行机器学习编程的时候,这是一个非常常用的基础编程库.本文是对它的一个入门教程. pandas提供了快速,灵活和富有 ...

  6. Python常用的库简单介绍一下

    Python常用的库简单介绍一下fuzzywuzzy ,字符串模糊匹配. esmre ,正则表达式的加速器. colorama 主要用来给文本添加各种颜色,并且非常简单易用. Prettytable ...

  7. Reactive ExtensionsLINQ和Rx简单介绍

    LINQ和Rx简单介绍 相信大家都用过Language Integrated Query (LINQ),他是一种强大的工具能够从集合中提取数据.Reactive Extensions(Rx)是对LIN ...

  8. 【学习】pandas 基础介绍说明 【pandas】

    本文来源于<利用python进行数据分析>中文版,大家有兴趣可以看原版,入门的东西得脚踏实地哈 1.pandas 数据结构介绍 首先熟悉它的两个主要数据结构,Series 和 DataFr ...

  9. 《R语言入门》语言及环境简单介绍

    简单介绍 watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/diss ...

随机推荐

  1. MongoDB--初始

    指定启动目录,以服务形式启动 Mongod --dbpath=XXXXXX --logpath=XXXXXXXX --logappend --serviceName "XXXXX" ...

  2. Testlink研究小结

    1.Redmine与Testlink的关联 (1)redmine中的项目对应testlink的测试项目 (2)testllink执行用例时发现的问题可以记录到redmine中 2.Testlink优点 ...

  3. css3实现可以计算的自适应布局——calc()

    开始我们需要先了解什么是calc() ,calc()是一个CSS函数,你可以使用calc()给元素的margin.pading.width等属性设置 而且你还可以在一个calc()内部嵌套另一个cal ...

  4. 【Python3之异常处理】

    一.错误和异常 1.错误 代码运行前的语法或者逻辑错误 语法错误(这种错误,根本过不了python解释器的语法检测,必须在程序执行前就改正) def test: ^ SyntaxError: inva ...

  5. 【Android Developers Training】 98. 获取联系人列表

    注:本文翻译自Google官方的Android Developers Training文档,译者技术一般,由于喜爱安卓而产生了翻译的念头,纯属个人兴趣爱好. 原文链接:http://developer ...

  6. C语言之复杂链表的复制（图示详解）

    什么是复杂链表? 复杂链表指的是一个链表有若干个结点,每个结点有一个数据域用于存放数据,还有两个指针域,其中一个指向下一个节点,还有一个随机指向当前复杂链表中的任意一个节点或者是一个空结点.今天我们要 ...

  7. MAC 相关操作解析

    MAC 相关操作解析 OS 显示桌面 f11 F1~F12 fn + F1~F12 撤销重做 command + z command + shift + z 图片预览 选择图片 空格 上下左右 svn ...

  8. VB6之CRC32

    翻译篇:http://www.cnblogs.com/duzouzhe/archive/2009/08/05/1539543.html Private Declare Function GetTick ...

  9. usaco training 4.2.2 The Perfect Stall 最佳牛栏 题解

    The Perfect Stall题解 Hal Burch Farmer John completed his new barn just last week, complete with all t ...

  10. 关于Android log拿不到的情况

    遇到很多开发者说crash了,log没有看到..出现类似情况的基本原因是因为现在的国产厂商如crash了会直接将进程杀掉,于是你的studio就看不到了,可以往下面几个方向去想办法找到crash的lo ...