由於自己是從R轉Python，平時用慣了R對資料進行處理、轉化等操作，如今過渡到Python上還有些許的不適應。但還是不得不感嘆pandas的強大之處，一個庫頂的上R中數個包合併在一起使用。

因為平時的使用比較雜，都是隨用隨查，所以在pandas庫的使用上也是比較零碎，這裡記錄下分析一份資料，使用比較多的一些pandas的操作。

Cheat Sheet

首先貼上下新手寫碼必備的cheatsheet：

資料讀取

資料讀取這部分非常不同於R，個人感覺非常便捷，並且使用起來也很順手。讀取csv 所使用的函式： read_csv， 其讀取速度遠遠快過R中自帶的函式 read.csv

具體的一些操作如下，首先我們需要先將pandas庫進行匯入，通常操作都是as pd

import pandas as pd

然後我們就可以進行csv檔案的讀取了！

1、read_csv

df = pd.read_csv('myfile.csv')

這是最簡單的讀取方式，但是遇到很多奇奇怪怪的檔案格式，就要修改其中的引數了。

1）encoding

編碼問題，是MacOS、Lunix、Windows幾個系統之間相互轉化檔案最容易出現的問題。通常，我們使用的編碼是：utf-8，這樣的編碼在MacOS與Lunix系統中，通常是沒有問題的，但是讀取Windows中的檔案一定要注意！，通常需要使用 encoding = 'mbcs' 才能正常讀取檔案，Windows很多都是ANSI編碼。

另外這裡再說個關於轉碼的小技巧（當然可以使用Python，用 encoding = 'mbcs' 進行讀取，用 encoding = 'utf-8' 進行儲存）。這裡對我們的檔案（csv，txt等）用記事本開啟，然後點選另存為，在下方有一個編碼：使用 UTF-8

2）sep

預設我們的csv檔案使用的是逗號分隔的，如果原本的資料不是csv格式，是用其它字元分隔的（例如空格），那我可以使用 sep = 其它分隔符號來進行修改。

3）header

另一個常用的引數是header =，函式預設是將檔案的第一行作為每一列的列名，如果我們需要取消這個操作，也就是檔案的第一行我們不令它變成列名，則需使用header = None。另外有個小技巧，就是原本我們的檔案每一列有多個標題，我們可以設定一個list，比如：header = [0, 2]，那麼就表示將檔案中的這些行作為列標題，在中間的行將被忽略掉（本例中資料第1，3行將被作為多級標題出現，第2行資料將被丟棄，真正的資料從第4行開始）。

4）names

那如果我們需要自己來定義列名，就需要使用類似names = ['身高', '體重']的操作，同時注意需要使用header=None

5）index_col

有時候，我們也希望檔案中的第一列內容，不做為index，而是重新使用0~(n-1)來作為新的index，可以使用 index_col = False 。但是使用時需要注意，這樣做，會頂掉最後一列資料！使得讀取進來直接少了一列資料。 解決的方法是：我們還是使用 read_csv 正常讀取，然後對讀取進來的 df，使用df = df.reset_index()，可以直接使0~(n-1)作為我們的index，也就是行名。

2、read_excel

df = pd.read_excel('myfile.xlsx', 'Sheet1')

read_excel 的引數與前面的 read_csv 基本一致，就是要使用第二個引數，來指定讀取的Sheet（通常預設都是'Sheet1'，但建議讀取之前，還是先看看第一個Sheet的名稱是什麼）。

其實也可以使用sheetname=[0,2]，表示讀取第一個和第三個sheet，跳過了第二個，因為sheet數目從0開始。這樣讀進來的其實是一個 OrderedDict ，裡面包含兩個DataFrame.，使用 df[0]，就是我們讀入的第一個Sheet。

後面會繼續對pandas庫中的其它函式進行介紹。