pandas

数据结构

• dataframe
• panel
• series

dataframe

• 属性
  • shape （行数，列数）
  • values numpy 二维数组array
  • index 行索引
  • columns 列索引
  • T 转置
• 方法
  • head() 默认前五行
  • tail() 默认后五行

panel： Dataframe的容器

未来有可能弃用，建议使用multiindex

series

• 属性
  • index
  • values

---

索引

• 直接索引
  df['column']['row']------先列后行
• 名字索引
  df.loc['row', 'column'] 或 df.loc['row', 'column']
• 数字索引
  df.iloc[0, 1]
• 组合索引
  df.ix[:4, ['column1', 'column2']]

---

排序

• 内容排序
  df.sort_values(by=, ascending=)
• 索引排序
  df.sort_index()

---

运算

• 算数运算

  • add +
  • sub -
  • mul *
  • div /
  • mod //
  • pow **

• 逻辑运算

  • < > & |
  • df[df['column']>2]
  • df.query('column>2')
  • df['column'].isin([1, 2])

• 统计运算

  • sum
  • mean
  • mode
  • median
  • min
  • max
  • abs
  • prod
  • std
  • var
  • idxmax
  • idxmin

• 自定义运算
  apply(func, axis=0)

---

画图

dataframe.plot(x=None, y=None, kind='line')

kind:

• line
• bar
• barth
• hist
• pie
• scatter

---

文件读取

Format Type	Data Description	Reader	Writer
text	CSV	read_csv	to_csv
text	JSON	read_json	to_json
text	HTML	read_html	to_html
text	Local clipboard	read_clipboard	to_clipboard
binary	MS Excel	read_excel	to_excel
binary	OpenDocument	read_excel
binary	HDF5 Format	read_hdf	to_hdf
binary	Feather Format	read_feather	to_feather
binary	Parquet Format	read_parquet	to_parquet
binary	Msgpack	read_msgpack	to_msgpack
binary	Stata	read_stata	to_stata
binary	SAS	read_sas
binary	Python Pickle Format	read_pickle	to_pickle
SQL	SQL	read_sql	to_sql
SQL	Google Big Query	read_gbq	to_gbq

read_csv(path, usecols=[], names=[])

• usecols: 只读取固定列
• names: 为没有列名的数据，增加列名，否则文件第一行一般会当作列名

to_csv(path, index=False, header=False, mode='a')

• index: 索引是否取消
• header: 表头
• mode: 'a'代表追加