微信公眾號：資料探勘與分析學習

1.建立物件

通過傳遞值列表來建立Series，讓pandas建立一個預設的整數索引：

通過傳遞帶有日期時間索引和標記列的NumPy陣列來建立DataFrame：

通過傳遞可以轉換為類似series的物件的dict來建立DataFrame。

生成的DataFrame的列具有不同的dtypes。

2.檢視資料

以下是檢視frame的頂部和底部行的方法：

顯示索引，列和基礎NumPy資料：

Describe()方法顯示了資料的快速統計摘要：

資料轉置:

根據某個軸排序

3.資料選擇

選擇一列產生一個Series，相當於df.A.

通過[]選擇，對行進行切片。

根據標籤選擇

根據位置選擇：

布林型別索引

使用isin()方法過濾

設定值

4.缺失值

pandas主要使用值np.nan來表示缺失的資料。 它預設不包含在計算中。

重建索引允許您更改/新增/刪除指定軸上的索引。 這將返回資料的副本。

刪除含有缺失值的行

填充缺失值

獲取值為nan的布林掩碼。

5.操作

5.1 統計

操作通常排除丟失的資料。

執行描述性統計：

使用具有不同維度的物件進行操作並需要對齊。 此外，pandas會自動沿指定維度進行廣播。

5.2 apply函式

將函式應用於資料：

5.3 Histogramming(直方圖化)

5.4 字串方法

Series在str屬性中配備了一組字串處理方法，可以輕鬆地對陣列的每個元素進行操作，如下面的程式碼片段所示。請注意，str中的模式匹配通常預設使用正則表示式（在某些情況下總是使用它們）。

6.合併(merge)

6.1 concat

pandas提供了各種工具，可以在連線/合併型別操作的情況下，輕鬆地將Series，DataFrame和Panel物件與索引和關係代數功能的各種設定邏輯組合在一起。

使用concat()連線pandas物件：

6.2 Join

6.3 Append

新增行到dataframe

7.Grouping

通過“group by”，我們指的是涉及以下一個或多個步驟的過程：

1. 根據某些標準將資料拆分為組
2. 將函式獨立應用於每個組
3. 將結果組合到資料結構中

按多列分組形成分層索引，我們再次應用sum函式。