Pandas 使用技巧（一）

Pandas 的列表

pd.Series([1,2,3,4])

它会为每一个数据设置一个序号
dtype，列表中数据的格式

DataFrame：

Pandas 的矩阵， 在Pandas中叫做DataFrame, 它是一个大的矩阵类似于二维的numpy， 数据为numpy的数据，但是为每行指定索引和每一列指定索引，结构类似于通常意义的表。

dates = pd.date_range('20150101', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=['a','b', 'c', 'd'])

数据结果是：

                   a         b         c         d
2015-01-01  0.136134 -0.289587 -0.695025  0.640421
2015-01-02 -0.118569  0.610150  0.750436 -1.254998
2015-01-03  0.659676 -0.465765 -1.206549  0.204780
2015-01-04 -1.128322  0.130286 -0.268923  0.071449

也可以如下定义dataFrame

df1 = pd.DataFrame(np.arange(12).reshape((3,4)))

这是行和列会被默认赋值只一个index值

DataFrame属性：

• df.dtypes 返回每列数据的dtype，
  • DataFrame中每一列数据都可以有不同的格式
• df.index 返回所有行的序号
• df.column 返回所有列的序号（column）
• df.values 返回所有的value，只是输出值不包括列和行的序号
• df.describe() 获取对DataFrame每一列数据的相关计
  • count
  • mean
  • std
  • min
  • max
  • 只对数字类型的数据有效
• df.T 作矩阵的转置
• df.sort_index(axis=1, ascending=False), 对index进行排序，排序依据是行或者列的index
  • 由axis来指定行或者列0 是行，1是列
  • 它不会改变原序列，只会返回一个排过序的新序列
• df.sort_values(by="d") 对值进行排序，可以指定列的index，来对某一列进行排序

如何选择数据：

• 选取一列
  • df['A']
  • df.A
• 数据切片，针对行
  • df[0:3], 切0行到3行
  • df[3] 取第3列的数据
  • df['20130102':'20130104'] 取指定行之间的数据
• select by label: loc 可以针对行或者列进行选择, 这里需要行或列的index name, 这个可以非常灵活的使用
  • df.loc[2] 输入行的index
  • df.loc[:, 'a'] 选择列的话需要使用[:,]
  • df.loc[:, ['a', 'b']] 可以选择多个指定列
  • df.loc[:, 'a':'c'], 使用冒号只可以指定选择的范围
  • df.loc['2015-01-03':, 'b':] 获取从2015-01-03行到末行和“b”列都末列的数据
• select by position iloc 可以针对行或者列进行选择, 这里需要行或列的索引号
  • df.iloc[3] 第三行的数据
  • df.iloc[3:5, 1] 从第三行到第五行，并且是第一列的数据
  • df.iloc[3:5, 1:3] 从第三行到第五行，并且从第一列到第三列的数据
• mixed selection ix
  • df.ix[2, 'a':'c']
• Boolean indexing, 对于列的处理比较好
  • df[df.A>8] 从df中找到A列中数据大于8的

设置值

如何给选定的范围的数据重新赋值
首先使用，数据选取方法选取数据，然后使用=赋值，可以使用数据的广播机制来赋值.

• df.a[df.a>0] = 0 对于A列中所有大于0的值都重新赋值为0
• df["e"]=11 为df加一列数据并且都将它初始化为11
• df["e"]=np.nan