pandas新手教程的核心内容

可以对整行整列进行汇总计算、groupby可以实现split-apply-combine模式、value_counts是计算每个类型变量的快捷方式

pandas核心内容

• 01.怎样处理数据
  • import pandas as pd
  • 表格数据被储存为DataFrame
  • DataFrame的每列是Series
  • DataFrame和Series都具有类方法
• 02.怎样读写数据
  • 可以读写的数据形式很多
  • read_*
  • to_*
• 03.怎样选取子集
  • 用 方括号[] 选取子集
  • 在括号里面, 可以是单个行/列的标签、行/列的标签的列表、切片、条件
  • 用 loc 时，用行/列的名字（label name）
  • 用 iloc时，用行/列的位置（索引值，不含后）
  • 用 loc/iloc的时候可以重新个DataFrame数据进行赋值。
• 04.怎样绘制图形
  • plot.系列方法对Series和DataFrame都有用
  • 每一列默认用不同的图形表示
  • Pandas的plot都是Matplotlib对象
• 05.怎样扩展新列
  • 新增列的方法就是`DataFrame['新列名称']`
  • 对新增列不用对行进行循环
  • 可以通过字典或函数的方法对行列进行重命名
• 10.处理字符串类
  • 可以使用str访问器使用字符串方法
  • 字符串方法以元素为单位工作，可以用于条件索引
  • replace方法是一种根据给定字典转换值的方便方法
• 09.运用时间序列
  • 使用to_datetime函数或作为read函数的一部分，可以将有效的日期字符串转换为datetime对象
  • pandas中的Datetime对象使用dt访问器支持计算、逻辑操作和方便的日期相关属性
  • DatetimeIndex包含这些与日期相关的属性，并支持方便的切片
  • 重采样是改变时间序列频率的一种强有力的方法
• 08.怎么合并表格
  • concat()
    • 多个表按行合并，按列合并
  • merge()
    • 类似数据库操作时，用这个
• 07.怎样重构表格
  • sort_values 可以对一个或多个列进行排序
  • pivot函数就是重构数据，pivot后的表格也支持聚合
  • pivot (long to wide format) 的反向操作是 melt (wide to long format)
• 06.怎样汇总统计
  • 可以对整行整列进行汇总计算
  • groupby可以实现split-apply-combine模式
  • value_counts是计算每个类型变量的快捷方式