pandas

1、series
pandas.Series( data, index, dtype, name, copy)
data：一组数据(ndarray 类型)。
index：数据索引标签，如果不指定，默认从 0 开始。如果data是字典，则以key为索引。
dtype：数据类型，默认会自己判断。
name：设置名称。
copy：拷贝数据，默认为 False。

2、dataframe
pandas.DataFrame( data, index, columns, dtype, copy)
data：一组数据(ndarray、series, map, lists, dict 等类型)。
index：索引值，或者可以称为行标签。
columns：列标签，默认为 RangeIndex (0, 1, 2, …, n) 。
dtype：数据类型。
copy：拷贝数据，默认为 False。
Pandas 可以使用 loc 属性返回指定行的数据，如果没有设置索引，第一行索引为 0，第二行索引为 1，以此类推.

3、数据清洗
删除空值：
DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)
axis：默认为 0，表示逢空值剔除整行，如果设置参数 axis＝1 表示逢空值去掉整列。
how：默认为 'any' 如果一行（或一列）里任何一个数据有出现 NA 就去掉整行，如果设置 how='all' 一行（或列）都是 NA 才去掉这整行。
thresh：设置需要多少非空值的数据才可以保留下来的。
subset：设置想要检查的列。如果是多个列，可以使用列名的 list 作为参数。
inplace：如果设置 True，将计算得到的值直接覆盖之前的值并返回 None，修改的是源数据。

替换空值：
fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)
value：用于填充的空值的值。
method： {'backfill', 'bfill', 'pad', 'ffill', None}, default None。定义了填充空值的方法， pad / ffill表示用前面行/列的值，填充当前行/列的空值， backfill / bfill表示用后面行/列的值，填充当前行/列的空值。
axis：轴。0或'index'，表示按行删除；1或'columns'，表示按列删除。
inplace：是否原地替换。布尔值，默认为False。如果为True，则在原DataFrame上进行操作，返回值为None。
limit：int， default None。如果method被指定，对于连续的空值，这段连续区域，最多填充前 limit 个空值（如果存在多段连续区域，每段最多填充前 limit 个空值）。如果method未被指定， 在该axis下，最多填充前 limit 个空值（不论空值连续区间是否间断）
downcast：dict, default is None，字典中的项为，为类型向下转换规则。或者为字符串“infer”，此时会在合适的等价类型之间进行向下转换，比如float64 to int64 if possible。

Pandas使用 mean()、median() 和 mode() 方法计算列的均值（所有值加起来的平均值）、中位数值（排序后排在中间的数）和众数（出现频率最高的数）。

例如：
利用新值'new_v'替换所有空值：
df.fillna('new_v', inplace = True)

利用均值填充空值：
x = df['colname'].mean()
df['colname'].fillna(x, inplace = True)

4、常用函数
pd.read_csv(filename) 读取 CSV 文件；
pd.read_excel(filename) 读取 Excel 文件；
pd.read_sql(query, connection_object) 从 SQL 数据库读取数据；
pd.read_json(json_string) 从 JSON 字符串中读取数据；
pd.read_html(url) 从 HTML 页面中读取数据。

df.head(n) 显示前 n 行数据；
df.tail(n) 显示后 n 行数据；
df.info() 显示数据的信息，包括列名、数据类型、缺失值等；
df.describe() 显示数据的基本统计信息，包括均值、方差、最大值、最小值等；
df.shape 显示数据的行数和列数。

df.dropna() 删除包含缺失值的行或列；inplace=True表示在源表中删除。
df.fillna(value) 将缺失值替换为指定的值；
df.replace(old_value, new_value) 将指定值替换为新值；
df.duplicated() 检查是否有重复的数据；
df.drop_duplicates() 删除重复的数据。

df[column_name] 选择指定的列；
df.loc[row_index, column_name] 通过标签选择数据；
df.iloc[row_index, column_index] 通过位置选择数据；
df.ix[row_index, column_name] 通过标签或位置选择数据；
df.filter(items=[column_name1, column_name2]) 选择指定的列；
df.filter(regex='regex') 选择列名匹配正则表达式的列；
df.sample(n) 随机选择 n 行数据。

df.sort_values(column_name) 按照指定列的值排序；
df.sort_values([column_name1, column_name2], ascending=[True, False]) 按照多个列的值排序；
df.sort_index() 按照索引排序。

df.groupby(column_name) 按照指定列进行分组；
df.aggregate(function_name) 对分组后的数据进行聚合操作；
df.pivot_table(values, index, columns, aggfunc) 生成透视表。

pd.concat([df1, df2]) 将多个数据框按照行或列进行合并；
pd.merge(df1, df2, on=column_name) 按照指定列将两个数据框进行合并。