pandas基本操作
一、查看數據
1.查看DataFrame前xx行或後xx行
a=DataFrame(data);
a.head(6)表示顯示前6行數據，若head()中不帶參數則會顯示全部數據。
a.tail(6)表示顯示後6行數據，若tail()中不帶參數則也會顯示全部數據。
2.查看DataFrame的index，columns以及values
a.index ; a.columns ; a.values 即可
3.describe()函數對於數據的快速統計匯總
a.describe()對每一列數據進行統計，包括計數，均值，std，各個分位數等。
4.對數據的轉置
a.T
5.對軸進行排序
a.sort_index(axis=1,ascending=False)；
其中axis=1表示對所有的columns
6.對DataFrame中的值排序
a.sort(columns=‘x‘)
即對a中的x這一列，從小到大進行排序。註意僅僅是x這一列，而上面的按軸進行排序時會對所有的columns進行操作。
二、選擇對象
1.選擇特定列和行的數據
a[‘x‘] 那麽將會返回columns為x的列，註意這種方式一次只能返回一個列。a.x與a[‘x‘]意思一樣。
取行數據，通過切片[]來選擇
如：a[0:3] 則會返回前三行的數據。
2.通過標簽來選擇
a.loc[‘one‘]則會默認表示選取行為‘one‘的行；
a.loc[:,[‘a‘,‘b‘] ] 表示選取所有的行以及columns為a,b的列；
a.loc[[‘one‘,‘two‘],[‘a‘,‘b‘]] 表示選取‘one‘和‘two‘這兩行以及columns為a,b的列；
a.loc[‘one‘,‘‘a]與a.loc[[‘one‘],[‘a‘]]作用是一樣的，不過前者只顯示對應的值，而後者會顯示對應的行和列標簽。
3.通過位置來選擇
這與通過標簽選擇類似
a.iloc[1:2,1:2] 則會顯示第一行第一列的數據;(切片後面的值取不到)
a.iloc[1:2] 即後面表示列的值沒有時，默認選取行位置為1的數據;
a.iloc[[0,2],[1,2]] 即可以自由選取行位置，和列位置對應的數據。
4.使用條件來選擇
使用單獨的列來選擇數據
a[a.c>0] 表示選擇c列中大於0的數據
使用where來選擇數據
a[a>0] 表直接選擇a中所有大於0的數據
使用isin()選出特定列中包含特定值的行
a1=a.copy()
a1[a1[‘one‘].isin([‘2‘,‘3‘])] 表顯示滿足條件：列one中的值包含‘2‘,‘3‘的所有行。
三、設置值（賦值）
賦值操作在上述選擇操作的基礎上直接賦值即可。
例a.loc[:,[‘a‘,‘c‘]]=9 即將a和c列的所有行中的值設置為9
a.iloc[:,[1,3]]=9 也表示將a和c列的所有行中的值設置為9
同時也依然可以用條件來直接賦值
a[a>0]=-a 表示將a中所有大於0的數轉化為負值
四、缺失值處理
在pandas中，使用np.nan來代替缺失值，這些值將默認不會包含在計算中。
1.reindex()方法
用來對指定軸上的索引進行改變/增加/刪除操作，這將返回原始數據的一個拷貝。
a.reindex(index=list(a.index)+[‘five‘],columns=list(b.columns)+[‘d‘])
a.reindex(index=[‘one‘,‘five‘],columns=list(b.columns)+[‘d‘])
即用index=[]表示對index進行操作，columns表對列進行操作。
2.對缺失值進行填充
a.fillna(value=x)
表示用值為x的數來對缺失值進行填充
3.去掉包含缺失值的行
a.dropna(how=‘any‘)
表示去掉所有包含缺失值的行
五、合並
1.contact
contact(a1,axis=0/1，keys=[‘xx‘,‘xx‘,‘xx‘,...])，其中a1表示要進行進行連接的列表數據,axis=1時表橫著對數據進行連接。axis=0或不指定時，表將數據豎著進行連接。a1中要連接的數據有幾個則對應幾個keys，設置keys是為了在數據連接以後區分每一個原始a1中的數據。
例：a1=[b[‘a‘],b[‘c‘]]
result=pd.concat(a1,axis=1，keys=[‘1‘,‘2‘])
2.Append 將一行或多行數據連接到一個DataFrame上
a.append(a[2:],ignore_index=True)
表示將a中的第三行以後的數據全部添加到a中，若不指定ignore_index參數，則會把添加的數據的index保留下來，若ignore_index=Ture則會對所有的行重新自動建立索引。
3.merge類似於SQL中的join
設a1,a2為兩個dataframe,二者中存在相同的鍵值，兩個對象連接的方式有下面幾種：
(1)內連接，pd.merge(a1, a2, on=‘key‘)
(2)左連接，pd.merge(a1, a2, on=‘key‘, how=‘left‘)
(3)右連接，pd.merge(a1, a2, on=‘key‘, how=‘right‘)
(4)外連接， pd.merge(a1, a2, on=‘key‘, how=‘outer‘)
至於四者的具體差別，具體學習參考sql中相應的語法。
六、分組（groupby）
用pd.date_range函數生成連續指定天數的的日期
pd.date_range(‘20000101‘,periods=10)
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
data={
‘date‘:pd.date_range(‘20000101‘,periods=10),
‘gender‘:np.random.randint(0,2,size=10),
‘height‘:np.random.randint(40,50,size=10),
‘weight‘:np.random.randint(150,180,size=10)
}
a=pd.DataFrame(data)
#print(a)
b=a.groupby(‘gender‘).size()
c=a.groupby(‘gender‘).sum()
print(c)
print(b)
輸出的結果為：
所有grouby是以裏面的參數為標準，去分組，然後去統計相對應的數量
比如：
b=a.groupby(‘gender‘).size()
是統計以gender類型的個數
而：
c=a.groupby(‘gender‘).sum()
是統計以gender類型的其他屬性的個數
按gender對gender進行分類，對應為數字的列會自動求和，而為字符串類型的列則不顯示；當然也可以同時groupby([‘x1‘,‘x2‘,...])多個字段，其作用與上面類似。
b=a.groupby(level=0).size()
c=a.groupby(level=0).sum()
輸出結果為：
即按index分組並求和，就是根據前面的行號進行分組，得出來的數據
由上圖可知：如果是sum的話，就只是列出具有數值型的數據出來，如果是size的話，就是列出每一列的個數出來。
其還有mean()的方法
如果有必要，其實就是原理就是對哪個類型，進行以誰為分組，然後進行統計該數值得和或者是平均值都可以。
如果是對進行分組的類別進行計算大小的話，就是使用.size()的方法。
七、Categorical按某一列重新編碼分類
如六中要對a中的gender進行重新編碼分類，將對應的0，1轉化為male，female，過程如下：
a[‘gender1‘]=a[‘gender‘].astype(‘category‘)
a[‘gender1‘].cat.categories=[‘male‘,‘female‘] #即將0，1先轉化為category類型再進行編碼。
print(a)得到的結果為：
date gender height weight gender1
0 2000-01-01 1 40 163 female
1 2000-01-02 0 44 177 male
2 2000-01-03 1 40 167 female
3 2000-01-04 0 41 161 male
4 2000-01-05 0 48 177 male
5 2000-01-06 1 46 179 female
6 2000-01-07 1 42 154 female
7 2000-01-08 1 43 170 female
8 2000-01-09 0 46 158 male
9 2000-01-10 1 44 168 female
八、相關操作
描述性統計：
1.a.mean() 默認對每一列的數據求平均值；若加上參數a.mean(1)則對每一行求平均值；
2.統計某一列x中各個值出現的次數：a[‘x‘].value_counts()；
3.對數據應用函數
a.apply(lambda x:x.max()-x.min())
表示返回所有列中最大值-最小值的差。
4.字符串相關操作
a[‘gender1‘].str.lower() 將gender1中所有的英文大寫轉化為小寫，註意dataframe沒有str屬性，只有series有，所以要選取a中的gender1字段。
九、時間序列
在六中用pd.date_range(‘xxxx‘,periods=xx,freq=‘D/M/Y....‘)函數生成連續指定天數的的日期列表。
例如pd.date_range(‘20000101‘,periods=10),其中periods表示持續頻數；
pd.date_range(‘20000201‘,‘20000210‘,freq=‘D‘)也可以不指定頻數，只指定其實日期。
此外如果不指定freq，則默認從起始日期開始，頻率為day。其他頻率表示如下：
pandas基本操作