Python—pandas

#转载# 学习链接：

（1）DataFrame类型数据操作函数

（2）DataFrame对行和列的操作使用方法

（3）python中pandas的使用方法

 (2016-03-15 16:10:12)

转载自▼追军情怀的博客

分类： python编程

# coding:utf-8

__author__ = 'weekyin'

import numpy as np

import pandas as pd

datas = pd.date_range('20140729', periods=6)

# 先创建一个时间索引，所谓的索引（index)就是每一行数据的id，可以标识每一行的唯一值

print datas

# 为了快速入门，我们看一下如何创建一个6X4的数据：randn函数用于创建随机数，参数表示行数和列数，dates是上一步创建的索引列

df = pd.DataFrame(np.random.randn(6, 4), index=datas, columns=list('ABCD'))

print df

# 我们还可以使用字典来创建数据框，例如创建一个列名为A的数据框，索引是自动创建的整数

df2 = pd.DataFrame({'A': np.random.randn(6), })

print df2

# 这又是一个字典创建DataFrame的例子

df2 = pd.DataFrame({'A': pd.Timestamp('20140729'), 'B': pd.Series(1), })

print df2

# 假如字典内的数据长度不同，以最长的数据为准，比如B列有4行：

df2 = pd.DataFrame({'A': pd.Timestamp('20140729'), 'B': pd.Series(1, index=list(range(4))), })

print df2

# 可以使用dtypes来查看各行的数据格式

print df2.dtypes

# 接着看一下如何查看数据框中的数据，看一下所有的数据

print df

# 使用head查看前几行数据（默认是前5行），不过你可以指定前几行

print df.head()

# 查看前三行数据

print df.head(3)

# 使用tail查看后2行数据

print df.tail(2)

# 查看数据框的索引

print df.index

# 查看列名用columns

print df.columns

# 查看数据值，用values

print df.values

# 查看描述性统计，用describe

print df.describe()

# 使用type看一下输出的描述性统计是什么样的数据类型——DataFrame数据

print type(df.describe())

# 使用T来转置数据，也就是行列转换

print df.T

# 对数据进行排序，用到了sort，参数可以指定根据哪一列数据进行排序。

print df.sort(columns='C')

（4）用pandas进行数据分析实战