关于python DataFrame的学习记录

df_1 = pd.DataFrame({'A': [0, 1, 2], 'B': [3, 4, 5]})
print df_1

默认左边行index0往上递增，AB为顶部标识，数组内为内容

loc——通过行标签索引行数据 
iloc——通过行号索引行数据

iloc比较简单，它是基于索引位来选取数据集，0:4就是选取 0，1，2，3这四行，需要注意的是这里是前闭后开集合(注意：是取多行,','是取单个元素)

Column为行名字，index为列名字

用index可以取列ridership_df[['R003', 'R005']]

df = pd.DataFrame({'A': [0, 1, 2], 'B': [3, 4, 5]})

print df.sum()

python中，axis通常有3个值：-1,0，1,分别表示：默认，列，行

df.values.sum() //全部元素相加

df.sum(axis=1)//行元素相加

df.sum()//默认是

dataFram之间的相互操作

df1 = pd.DataFrame({'a': [1, 2, 3], 'b': [4, 5, 6], 'c': [7, 8, 9]})
df2 = pd.DataFrame({'a': [10, 20, 30], 'b': [40, 50, 60], 'c': [70, 80, 90]})
print df1
print df1 + df2

if True:
df1 = pd.DataFrame({'a': [1, 2, 3], 'b': [4, 5, 6], 'c': [7, 8, 9]})
df2 = pd.DataFrame({'d': [10, 20, 30], 'c': [40, 50, 60], 'b': [70, 80, 90]})
print df1 + df2

(不相符为NAN,但是见过有办法保留原始数据,但是具体方法还需再去查找下)

df1 = pd.DataFrame({'a': [1, 2, 3], 'b': [4, 5, 6], 'c': [7, 8, 9]},
index=['row1', 'row2', 'row3'])
df2 = pd.DataFrame({'a': [10, 20, 30], 'b': [40, 50, 60], 'c': [70, 80, 90]},
index=['row4', 'row3', 'row2'])
print df1 + df2

(列不同的情况下,不一样的列会默认为NaN)

DataFrame函数的使用,

df = pd.DataFrame({
'a': [1, 2, 3],
'b': [10, 20, 30],
'c': [5, 10, 15]
})