Pandas：Getting started

---

• 强推Theodore Petrou的《Pandas Cookbook》（2017 Packt Publishing）以及pandas的官方手册（pandas的官方文档写的太棒了）

---

pd.DateFrame对象

• 以下df均代表pd.DataFrame对象
• 以下s均代表pd.Series对象
• obj代表大多数类型的对象，包括前两个
• 一个pd.DataFrame对象的结构如下：
• 一个pd.Series对象的结构如下：
• Series和DataFrame有大量相同的方法，Series有442个，DataFrame有445个，其中相同的数目为376个。
• 以下出现的方法基本是二者通用的。

数据探索

读入数据

• pd.read_csv():

初步探索

• df.head()or df.tail():
• df.shape:
• df.info():
• df.index:
• df.columns:
• df.dtypes: 显示各列的类型
• df.get_dtype_counts(): 统计各列的类型
• df.ndim:

进一步探索

• df.value_counts()ordf.value_counts(normalize=True): 返回各个值的个数
• df.sizeordf.shape:
• df.count():
• df.describe(): 默认describe数值类型的列
  df.describe(include=[np.object, pd.Categorical]): 非数值类型
  其实可以通过查看对应列的类型来获取有哪些类型可以放在include里
• df.min(),max(),mean(),median(),std(), sum():
• s.quantile(): 例如参数为.2or0.2则返回在20%位置的数
• s.isnull()ors.notnull()：返回一个同shape的bool序列
• s.hasnans: 检测是否有nan
• s.all():
• s.any():

探索对象类型

• type(obj): Python内置函数，返回对象的类型信息。
• issubclass(): 返回布尔值，这是Python内置函数，验证了类之间是否有父子关系。

提取列

• df.col_nameordf['col_name']:
• s.values: 返回序列的np.ndarray类型
• Index_obj.tolist(): 将pd.Index对象转成Python的list

提取行

• df.iloc[num_index_list]：用整数列表选取指定的行，也可使用[start, stop, step]格式
• df.loc[]:

初步处理

• s.fillna(): 返回一个nan被填充之后的序列，填充的是给的参数
• s.dropna(): 返回一个nan被剔除之后的序列
• s + 1: 序列中每个元素加1
• - * / ** // %: 均可操作
• s > 1：返回同shape的bool序列
• < >= <= == !=: 均可操作
  注：这些基本运算符都是和序列里的每一个元素进行运算。以上基本运算符也有对应的方法版本，如下：
• s. add(1) sub() mul() div() floordiv() mod() pow() lt() gt() le() ge() eq() ne()

进一步处理

• df.det_index('index_name') or df = pd.read_csv('file_name', index_col='index_name'): 设置index的列名字
• df.reset_index(): 上面的撤销操作
• df.rename(index={}, columns={}): 用字典替换指定的index_label和column_name
• df['new_col'] = objordf['new_col'] = (df['col_name1'] + df['col_name2']):
• df.drop('col_name', axis='columns') :