python之pandas：10分钟 to pandas
pandas数据分析的第一步，一直有个疑问，有什么数据不能是SQL解决的。解决不了的，存储过程结果不了么？
那我们为什么要学pandas，刚开始学。不敢说为什么要用pandas替换sql，初步感觉是，可以处理多种数据来源的数据。excel，csv，数据库等。但对于一般程序员从SQL转过来做数据分析的，更喜欢通过SQL和pandas的比较来记录学习过程。
通过pandas的官网10 Minutes to pandas来了解一下。
http://pandas.pydata.org/pandas-docs/stable/getting_started/10min.html
一、Create DataFrame
import pandas as pd
import numpy as np
dates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))
print(df)
A B C D
2013-01-01 1.300644 0.278368 -1.005493 1.472200
2013-01-02 -1.157154 0.550540 -1.912141 -0.099683
2013-01-03 1.058534 2.118447 -0.116872 0.023518
2013-01-04 -0.070789 -0.033575 1.578565 0.174210
2013-01-05 -0.013015 1.326789 -0.561864 -0.605839
2013-01-06 -1.639182 -0.829422 0.743933 0.8506871）可以把DataFrame理解为数据库里的Table
2）DataFrame有Index的概念，这个在数据库里面，Index可以是默认的0、1、2、3、4，也可以是A、B、C、D，也可以是向上面例子一样的日期。
二、View Data
In [13]: df.head()
Out[13]:
A B C D
2013-01-01 0.469112 -0.282863 -1.509059 -1.135632
2013-01-02 1.212112 -0.173215 0.119209 -1.044236
2013-01-03 -0.861849 -2.104569 -0.494929 1.071804
2013-01-04 0.721555 -0.706771 -1.039575 0.271860
2013-01-05 -0.424972 0.567020 0.276232 -1.087401
1）df.head(n)n代表前几行，默认是n=5; SQL: select top 5 * from df
2）df.tail(3)表示后面三行； SQL:select top 3 * from df order by xxx desc
In [15]: df.index
Out[15]:
DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',
'2013-01-05', '2013-01-06'],
dtype='datetime64[ns]', freq='D')
In [16]: df.columns
Out[16]: Index(['A', 'B', 'C', 'D'], dtype='object')
3）df的两个属性，index和columns 返回都是list；因为在SQLServer中没有index的概念，至于查一个表的列
SQL：SELECT a.name FROM syscolumns a
INNER JOIN sysobjects b ON a.id=b.id
WHERE b.type='U' AND b.name LIKE '表名'
In [19]: df.describe()
Out[19]:
A B C D
count 6.000000 6.000000 6.000000 6.000000
mean 0.073711 -0.431125 -0.687758 -0.233103
std 0.843157 0.922818 0.779887 0.973118
min -0.861849 -2.104569 -1.509059 -1.135632
25% -0.611510 -0.600794 -1.368714 -1.076610
50% 0.022070 -0.228039 -0.767252 -0.386188
75% 0.658444 0.041933 -0.034326 0.461706
max 1.212112 0.567020 0.276232 1.071804
4）df.describe()表示对数据表格进行初步的数据分析，针对每一数据（int、float）列进行数据统计。
count计数、mean平均数、std标准差、min最小、25%，50%，75%,max最大值
In [20]: df.T
Out[20]:
2013-01-01 2013-01-02 2013-01-03 2013-01-04 2013-01-05 2013-01-06
A 0.469112 1.212112 -0.861849 0.721555 -0.424972 -0.673690
B -0.282863 -0.173215 -2.104569 -0.706771 0.567020 0.113648
C -1.509059 0.119209 -0.494929 -1.039575 0.276232 -1.478427
D -1.135632 -1.044236 1.071804 0.271860 -1.087401 0.524988
5）行列转换，df的T对象 。SQL不好实现。
In [21]: df.sort_index(axis=1, ascending=False)
Out[21]:
D C B A
2013-01-01 -1.135632 -1.509059 -0.282863 0.469112
2013-01-02 -1.044236 0.119209 -0.173215 1.212112
2013-01-03 1.071804 -0.494929 -2.104569 -0.861849
2013-01-04 0.271860 -1.039575 -0.706771 0.721555
2013-01-05 -1.087401 0.276232 0.567020 -0.424972
2013-01-06 0.524988 -1.478427 0.113648 -0.673690
6）按索引排序当axis=1时，表示按列名排序；当axis=0时，表示按行index排序。ascending=true表示正序，asceding=false表示倒序。这个好像SQL没有唉。
In [22]: df['E']=[1,1,1,2,2,4]
In [22]: df.sort_values(by='B')
Out[22]:
A B C D E
2013-01-01 0.360275 -2.036355 0.542733 0.833518 1
2013-01-03 -1.426237 1.311510 1.199737 -0.194401 1
2013-01-02 -1.455219 -0.098547 -1.604195 0.069465 1
2013-01-05 0.476745 -0.089874 1.761007 -0.023949 2
2013-01-04 0.197306 -0.458258 0.626157 -0.037381 2
2013-01-06 0.075495 -0.313558 0.797433 2.752348 47）按数值排序df.sort_values(by='B')表示按B列排序，by和ascending的true表示正序，false表示倒序。by和ascending都支持list，比如df.sort_values(by=['E','A'],ascending=[True,False]) ； SQL：select * from df order by E,A desc