pandas库一些常用函数、方法记录

pandas库一些常用函数、方法记录（自用，其中有很多是参考官方和网友的，这里只是简单汇总）

import pandas as pd

1）、pd.Series(data, index=index, dtype=dtype)

参数	说明
data	数据，可以是列表，字典或Numpy数组
index	索引，为可选参数
dtype	数据类型，为可选参数

2)、df = pd.DataFrame(data, index=index, columns=columns) DataFrame对象的创建

• 当axis=1时，数组的变化是横向的，体现出列的增加或者减少。反之，当axis=0时，数组的变化是纵向的，体现出行的增加或减少。

参数	说明
data	数据，可以是列表，字典或Numpy数组
index	索引，为可选参数
columns	列标签，为可选参数

2-1）、DataFrame对象性质(二维表格)

属性	说明
df.values	返回numpy数组表示的数据
df.index	返回行索引
df.columns	返回列索引
df.shape	返回形状
df.size	返回大小
df.dtypes	返回每列数据类型
df.T	装置
df.nidm	维数

2-2）、对DataFrame对象数据方法

方法	说明
df.head(n)	查看 DataFrame 数据中头部
df.tail(3)	查看 DataFrame 数据中尾部
df.describe()	查看对于数据的快速统计汇总。最大值、最小值等
df.sort_index(axis=1, ascending=False)	按轴进行排序,False降序
df.sort_values(by=‘B’)	按值进行排序,已被改使用values
df.as_matrix()	将Dataframe的表格型数据转换成数组
df.loc()	根据index标签（xy轴都可）来索引
df.iloc(:,1:3)	根据行号来索引，行号从0开始，逐次加1
df[df.A > 0],df[df > 0]	选择数据
df2[df2[‘E’].isin([‘two’,‘four’])]	.isin()过滤
df.at[dates[0],‘A’]	根据标签设置新的值
df.iat[1,o]	通过位置设置新的值
df.reindex()	对指定轴上的索引进行改变/增加/删除操作， 这将返回原始数据的一个拷贝
df.dropna(how=‘any’)	去掉包含缺失值的行
df.fillna(value=5)	对缺失值进行填充
pd.isnull(df)	对数据进行布尔填充

3）、连接函数：pd.concat(

objs, axis=0, join='outer', join_axes=None, ignore_index=False,keys=None, levels=None, names=None, verify_integrity=False,copy=True)**

参数	说明
objs	Series，DataFrame或Panel对象的序列或映射。如果传递了dict，则排序的键将用作键参数，除非它被传递，在这种情况下，将选择值。任何无对象将被静默删除，除非它们都是无，在这种情况下将引发一个ValueError。
axis	{0,1，…}，默认为0。沿着连接的轴即按行操作。
join	{‘inner’，‘outer’}，默认为“outer”。如何处理其他轴上的索引。outer为联合和inner为交集。
ignore_index	boolean，default为False。如果为True，请不要使用并置轴上的索引值。结果轴将被标记为0，…，n-1。如果要连接其中并置轴没有有意义的索引信息的对象，这将非常有用。注意，其他轴上的索引值在连接中仍然受到尊重。
join_axes	Index对象列表。用于其他n-1轴的特定索引，而不是执行内部/外部设置逻辑。
keys	序列，默认值无。使用传递的键作为最外层构建层次索引。如果为多索引，应该使用元组。
levels	序列列表，默认值无。用于构建MultiIndex的特定级别（唯一值）。否则，它们将从键推断。
names	list，default无。结果层次索引中的级别的名称。
verify_integrity	boolean，default False。检查新连接的轴是否包含重复项。这相对于实际的数据串联可能是非常昂贵的。
copy	boolean，default True。如果为False，请勿不必要地复制数据。

4）、对数据应用函数apply() 函数##

In [66]: df.apply(np.cumsum)
Out[66]:
A B C D F
2013-01-01 0.000000 0.000000 -1.509059 5 NaN
2013-01-02 1.212112 -0.173215 -1.389850 10 1.0
2013-01-03 0.350263 -2.277784 -1.884779 15 3.0
2013-01-04 1.071818 -2.984555 -2.924354 20 6.0
2013-01-05 0.646846 -2.417535 -2.648122 25 10.0
2013-01-06 -0.026844 -2.303886 -4.126549 30 15.0

In [67]: df.apply(lambda x: x.max() - x.min())
Out[67]:
A 2.073961
B 2.671590
C 1.785291
D 0.000000
F 4.000000
dtype: float64

5）、pandas的一些统计函数

方法	说明
count	非 NA 值的数量
describe	针对 Series 或 DF 的列计算汇总统计
min , max	最小值和最大值
argmin , argmax	最小值和最大值的索引位置（整数）
idxmin , idxmax	最小值和最大值的索引值
quantile	样本分位数（0 到 1）
sum	求和
mean	均值
median	中位数
mad	根据均值计算平均绝对离差
var	方差
std	标准差
skew	样本值的偏度（三阶矩）
kurt	样本值的峰度（四阶矩）
cumsum	样本值的累计和
cummin , cummax	样本值的累计最大值和累计最小值
cumprod	样本值的累计积
diff	计算一阶差分（对时间序列很有用）
pct_change	计算百分数变化
prod	不同维度上的乘积

6)、Pandas读取csv数据集

pd.resd_csv(filepath_or_buffer,header,names,nrows,skiprows)

参数	说明
filepath_or_buffer	文件所在处的路径
header	指定哪一行作为表头。默认设置为0（即第一行作为表头），如果没有表头的话，要修改参数，设置header=None
names	指定列的名称，用列表表示。一般我们没有表头，即header=None时，这个用来添加列名就很有用啦！
nrows	需要读取的行数
skiprows	需要跳过的行号列表（从0开始)
encoding	乱码的时候用这个就是了