pandas手册

导入数据

* pd.read_csv(filename)：从CSV文件导入数据
* pd.read_table(filename)：从限定分隔符的文本文件导入数据
* pd.read_excel(filename)：从Excel文件导入数据
* pd.read_sql(query, connection_object)：从SQL表/库导入数据
* pd.read_json(json_string)：从JSON格式的字符串导入数据
* pd.read_html(url)：解析URL、字符串或者HTML文件，抽取其中的tables表格
* pd.read_clipboard()：从你的粘贴板获取内容，并传给read_table()
* pd.DataFrame(dict)：从字典对象导入数据，Key是列名，Value是数据

导出数据

* df.to_csv(filename)：导出数据到CSV文件
* df.to_excel(filename)：导出数据到Excel文件
* df.to_sql(table_name, connection_object)：导出数据到SQL表
* df.to_json(filename)：以Json格式导出数据到文本文件

查看、检查数据

* df.head(n)：查看DataFrame对象的前n行
* df.tail(n)：查看DataFrame对象的最后n行
* df.shape()：查看行数和列数
* http://df.info()：查看索引、数据类型和内存信息
* df.describe()：查看数值型列的汇总统计
* s.value_counts(dropna=False)：查看Series对象的唯一值和计数
* df.apply(pd.Series.value_counts)：查看DataFrame对象中每一列的唯一值和计数

数据选取

* df[col]：根据列名，并以Series的形式返回列
* df[[col1, col2]]：以DataFrame形式返回多列
* s.iloc[0]：按位置选取数据
* s.loc['index_one']：按索引选取数据
* df.iloc[0,:]：返回第一行
* df.iloc[0,0]：返回第一列的第一个元素

数据清理

* df.columns = ['a','b','c']：重命名列名
* pd.isnull()：检查DataFrame对象中的空值，并返回一个Boolean数组
* pd.notnull()：检查DataFrame对象中的非空值，并返回一个Boolean数组
* df.dropna()：删除所有包含空值的行
* df.dropna(axis=1)：删除所有包含空值的列
* df.dropna(axis=1,thresh=n)：删除所有小于n个非空值的行
* df.fillna(x)：用x替换DataFrame对象中所有的空值
* s.astype(float)：将Series中的数据类型更改为float类型
* s.replace(1,'one')：用‘one’代替所有等于1的值
* s.replace([1,3],['one','three'])：用'one'代替1，用'three'代替3
* df.rename(columns=lambda x: x + 1)：批量更改列名
* df.rename(columns={'old_name': 'new_ name'})：选择性更改列名
* df.set_index('column_one')：更改索引列
* df.rename(index=lambda x: x + 1)：批量重命名索引

数据处理：Filter、Sort和GroupBy

* df[df[col] > 0.5]：选择col列的值大于0.5的行
* df.sort_values(col1)：按照列col1排序数据，默认升序排列
* df.sort_values(col2, ascending=False)：按照列col1降序排列数据
* df.sort_values([col1,col2], ascending=[True,False])：先按列col1升序排列，后按col2降序排列数据
* df.groupby(col)：返回一个按列col进行分组的Groupby对象
* df.groupby([col1,col2])：返回一个按多列进行分组的Groupby对象
* df.groupby(col1)[col2]：返回按列col1进行分组后，列col2的均值
* df.pivot_table(index=col1, values=[col2,col3], aggfunc=max)：创建一个按列col1进行分组，并计算col2和col3的最大值的##### 数据透视表
* df.groupby(col1).agg(np.mean)：返回按列col1分组的所有列的均值
* data.apply(np.mean)：对DataFrame中的每一列应用函数np.mean
* data.apply(np.max,axis=1)：对DataFrame中的每一行应用函数np.max

数据合并

* df1.append(df2)：将df2中的行添加到df1的尾部
* df.concat([df1, df2],axis=1)：将df2中的列添加到df1的尾部
* df1.join(df2,on=col1,how='inner')：对df1的列和df2的列执行SQL形式的join

数据统计

* df.describe()：查看数据值列的汇总统计
* df.mean()：返回所有列的均值
* df.corr()：返回列与列之间的相关系数
* df.count()：返回每一列中的非空值的个数
* df.max()：返回每一列的最大值
* df.min()：返回每一列的最小值
* df.median()：返回每一列的中位数
* df.std()：返回每一列的标准差

pandas查询数据

这里的查询数据相当于R语言里的subset功能，可以通过布尔索引有针对的选取原数据的子集、指定行、指定列等。我们先导入一个student数据集：

1. student = pd.io.parsers.read_csv('C:\\Users\\admin\\Desktop\\student.csv')

查询数据的前5行或末尾5行

1. student.head()
2. student.tail()

查询指定的行

1. student.ix[[0,2,4,5,7]] #这里的ix索引标签函数必须是中括号[]

查询指定的列

1. student[['Name','Height','Weight']].head() #如果多个列的话，必须使用双重中括号

也可以通过ix索引标签查询指定的列

1. student.ix[:,['Name','Height','Weight']].head()

查询指定的行和列

1. student.ix[[0,2,4,5,7],['Name','Height','Weight']].head()

以上是从行或列的角度查询数据的子集，现在我们来看看如何通过布尔索引实现数据的子集查询。
查询所有女生的信息

1. student[student['Sex']=='F']

查询出所有12岁以上的女生信息

1. student[(student['Sex']=='F') & (student['Age']>12)]

查询出所有12岁以上的女生姓名、身高和体重

1. student[(student['Sex']=='F') & (student['Age']>12)][['Name','Height','Weight']]

上面的查询逻辑其实非常的简单，需要注意的是，如果是多个条件的查询，必须在&（且）或者|（或）的两端条件用括号括起来。

统计分析

pandas模块为我们提供了非常多的描述性统计分析的指标函数，如总和、均值、最小值、最大值等，我们来具体看看这些函数：
首先随机生成三组数据

1. np.random.seed(1234)
2. d1 = pd.Series(2*np.random.normal(size = 100)+3)
3. d2 = np.random.f(2,4,size = 100)
4. d3 = np.random.randint(1,100,size = 100)
5. d1.count() #非空元素计算
6. d1.min() #最小值
7. d1.max() #最大值
8. d1.idxmin() #最小值的位置，类似于R中的which.min函数
9. d1.idxmax() #最大值的位置，类似于R中的which.max函数
10. d1.quantile(0.1) #10%分位数
11. d1.sum() #求和
12. d1.mean() #均值
13. d1.median() #中位数
14. d1.mode() #众数
15. d1.var() #方差
16. d1.std() #标准差
17. d1.mad() #平均绝对偏差
18. d1.skew() #偏度
19. d1.kurt() #峰度
20. d1.describe() #一次性输出多个描述性统计指标