pandas数据分析读书笔记（一）

Series对象，如何生成Series对象。

Datadf对象，如何生成Datadf

df.Head()函数，df.tail()函数，df.loc()函数（通过index位置获取数据）

Del df[‘eastern’]，del函数用来删除某列.

df.T，转置函数

df.values，返回Datadf的数据

df.index，返回Datadf的索引

df.reindex()，用于修改索引

df.drop(axis = 0)，用于删除某行或者某列，默认的参数是axis = 0，默认删除行，当axis=1时，删除列，或者axis = ‘columns’也可以。这个函数是返回一个删除的对象，不会修改原有的数据，当传入参数inplace = True时，则原地修改对象，不会返回新的对象。

df.loc()，使用index标签获取数据

df.iloc()，通过整数索引获取数据

Np.abs(df)，可以将numpy的函数用于操作pandas对象

df.apply(f)，函数f，作用于df的每一列上

df.applymap(f)，函数f，作用于df的每一个元素上

df.sort_index(axis = 0, ascending = True)，对某个轴上的索引进行排序，默认为axis = 0，即行缩影，可以设置为axis = 1，即对列索引进行排序。Ascending默认为True的，即升序排列，也可以设置ascending = False，即降序排列

df.sort_values()，对值进行排列，缺失值会放在Series的末尾，by参数，是根据一个或多个列中的值进行排序，如果是要根据多个列进行排序，需要传入列表

df.index.is_unique，这是个属性，可以看索引的值是否是唯一的

df.sum(axis = 0)，该方法返回一个含有列的和的Series，默认为axis = 0，计算每列的和，也可以将参数修改为axis = 1，会按照行进行求和运算

df.mean(axis = 0’, skipna =True)，返回一个含有列的平均值的Series，跳过空值。

df.idmax()，返回每列最大值的索引

df.idmin()，返回每列最小值的索引

df.cumsum()，每列累计和

df.describe()，一次性产生多个汇总统计，包括总数，平均值，最小值，最大值，分位数等等

另外还有：count()、max()、min()、argmax()/返回最大值的整数索引、argmin()/返回最小值的整数索引、quantile/计算分位数0到1、sum、mean、median、mad、var、std、skew、kuit、cumsum、cummin、cummax/样本值的累计最大值和最小值、cumprod累计积、pct_change计算百分比变化（计算股票收益率）

Ser1.corr(Ser2)，计算两个Series重叠的，非NA的，按索引对齐的相关系统

Df.corr()，返回这个dataframe的相关系统矩阵

Df.cov()，返回这个dataframe的协方差矩阵

Df.corrwith()，当传入一个Series时，则会计算dataframe的所有列与这个Series的相关系数，当传入的是一个DataFrame时，则会按照列名匹配然后计算相关系数。

Ser.unique()，返回Series中的唯一值数组

Ser.value_counts()，用于计算一个Series中各值出现的频率

pd.value_counts(Ser.values)，这个value_counts还是一个顶级的方法

Ser.isin()，用于判断Series中的值是否在一个列表中