轉(zhuǎn)自點(diǎn)擊打開鏈接

首先導(dǎo)入相應(yīng)的包，包括pandas,numpy,matplotlib；

一、            創(chuàng)建對(duì)象

# -*- coding: utf-8 -*-"""Created on Wed Feb 08 14:56:01 2017@author: guhualu"""import pandas as pd  import numpy as np   from pandas import DataFramedf1=DataFrame({'A':['A0','A1','A2','A3'],               'B':['B0','B1','B2','B3'],               'C':['C0','C1','C2','C3'],               'D':['D0','D1','D2','D3']},               index=[0,1,2,3])PRint df1 df2=DataFrame({'A':['A4','A5','A6','A7'],               'B':['B4','B5','B6','B7'],               'C':['C4','C5','C6','C7'],               'D':['D4','D5','D6','D7']},               index=[4,5,6,7])print df2 df3=DataFrame({'A':['A8','A9','A10','A11'],               'B':['B8','B9','B10','B11'],               'C':['C8','C9','C10','C11'],               'D':['D8','D9','D10','D11']},               index=[8,9,10,11])print df3 frames=[df1,df2,df3]result=pd.concat(frames)print resultdf4=DataFrame({'B':['B2','B3','B6','B7'],               'D':['D2','D3','D6','D7'],               'F':['F2','F3','F6','F7']},               index=[2,3,6,7]) result=pd.concat([df1,df4],axis=1)#result=pd.concat([df1,df4],axis=1,join='inner')print '/n'print result
此外：
1、還可以通過(guò)傳遞一個(gè)list對(duì)象來(lái)創(chuàng)建一個(gè)Series，pandas會(huì)默認(rèn)創(chuàng)建整型索引：
2、通過(guò)傳遞一個(gè)numpy array，時(shí)間索引以及列標(biāo)簽來(lái)創(chuàng)建一個(gè)DataFrame：
3、通過(guò)傳遞一個(gè)能夠被轉(zhuǎn)換成類似序列結(jié)構(gòu)的字典對(duì)象來(lái)創(chuàng)建一個(gè)DataFrame：
4、查看不同列的數(shù)據(jù)類型：
5、如果你使用的是ipython，使用Tab自動(dòng)補(bǔ)全功能會(huì)自動(dòng)識(shí)別所有的屬性以及自定義的列，下圖中是所有能夠被自動(dòng)識(shí)別的屬性的一個(gè)子集：
二、            查看數(shù)據(jù)
詳情請(qǐng)參閱：Basics Section
 
1、  查看frame中頭部和尾部的行：
2、  顯示索引、列和底層的numpy數(shù)據(jù)：
3、  describe()函數(shù)對(duì)于數(shù)據(jù)的快速統(tǒng)計(jì)匯總：
4、  對(duì)數(shù)據(jù)的轉(zhuǎn)置：
5、  按軸進(jìn)行排序
6、  按值進(jìn)行排序
三、            選擇
雖然標(biāo)準(zhǔn)的Python/Numpy的選擇和設(shè)置表達(dá)式都能夠直接派上用場(chǎng)，但是作為工程使用的代碼，我們推薦使用經(jīng)過(guò)優(yōu)化的pandas數(shù)據(jù)訪問(wèn)方式： .at, .iat, .loc, .iloc 和 .ix詳情請(qǐng)參閱Indexing and Selecing Data 和 MultiIndex / Advanced Indexing。
l  獲取
1、 選擇一個(gè)單獨(dú)的列，這將會(huì)返回一個(gè)Series，等同于df.A：
2、 通過(guò)[]進(jìn)行選擇，這將會(huì)對(duì)行進(jìn)行切片
l  通過(guò)標(biāo)簽選擇
1、 使用標(biāo)簽來(lái)獲取一個(gè)交叉的區(qū)域
2、 通過(guò)標(biāo)簽來(lái)在多個(gè)軸上進(jìn)行選擇
3、 標(biāo)簽切片
4、 對(duì)于返回的對(duì)象進(jìn)行維度縮減
5、 獲取一個(gè)標(biāo)量
6、 快速訪問(wèn)一個(gè)標(biāo)量（與上一個(gè)方法等價(jià)）
l  通過(guò)位置選擇
1、 通過(guò)傳遞數(shù)值進(jìn)行位置選擇（選擇的是行）
2、 通過(guò)數(shù)值進(jìn)行切片，與numpy/python中的情況類似
3、 通過(guò)指定一個(gè)位置的列表，與numpy/python中的情況類似
4、 對(duì)行進(jìn)行切片
5、 對(duì)列進(jìn)行切片
6、 獲取特定的值
l  布爾索引
1、 使用一個(gè)單獨(dú)列的值來(lái)選擇數(shù)據(jù)：
2、 使用where操作來(lái)選擇數(shù)據(jù)：
3、 使用isin()方法來(lái)過(guò)濾：
 
l  設(shè)置
1、 設(shè)置一個(gè)新的列：
2、 通過(guò)標(biāo)簽設(shè)置新的值：
3、 通過(guò)位置設(shè)置新的值：
4、 通過(guò)一個(gè)numpy數(shù)組設(shè)置一組新值：
上述操作結(jié)果如下：
5、 通過(guò)where操作來(lái)設(shè)置新的值：
四、            缺失值處理
在pandas中，使用np.nan來(lái)代替缺失值，這些值將默認(rèn)不會(huì)包含在計(jì)算中，詳情請(qǐng)參閱：Missing Data Section。
1、  reindex()方法可以對(duì)指定軸上的索引進(jìn)行改變/增加/刪除操作，這將返回原始數(shù)據(jù)的一個(gè)拷貝：、
2、  去掉包含缺失值的行：
3、  對(duì)缺失值進(jìn)行填充：
4、  對(duì)數(shù)據(jù)進(jìn)行布爾填充：
五、            相關(guān)操作
詳情請(qǐng)參與 Basic Section On Binary Ops
l  統(tǒng)計(jì)（相關(guān)操作通常情況下不包括缺失值）
1、  執(zhí)行描述性統(tǒng)計(jì)：
2、  在其他軸上進(jìn)行相同的操作：
3、  對(duì)于擁有不同維度，需要對(duì)齊的對(duì)象進(jìn)行操作。Pandas會(huì)自動(dòng)的沿著指定的維度進(jìn)行廣播：
l  Apply
1、  對(duì)數(shù)據(jù)應(yīng)用函數(shù)：
l  直方圖
具體請(qǐng)參照：Histogramming and Discretization
 
l  字符串方法
Series對(duì)象在其str屬性中配備了一組字符串處理方法，可以很容易的應(yīng)用到數(shù)組中的每個(gè)元素，如下段代碼所示。更多詳情請(qǐng)參考：Vectorized String Methods.
六、            合并
Pandas提供了大量的方法能夠輕松的對(duì)Series，DataFrame和Panel對(duì)象進(jìn)行各種符合各種邏輯關(guān)系的合并操作。具體請(qǐng)參閱：Merging section
l  Concat
l  Join 類似于SQL類型的合并，具體請(qǐng)參閱：Database style joining
l  Append 將一行連接到一個(gè)DataFrame上，具體請(qǐng)參閱Appending：
七、            分組
對(duì)于”group by”操作，我們通常是指以下一個(gè)或多個(gè)操作步驟：
l  （Splitting）按照一些規(guī)則將數(shù)據(jù)分為不同的組；
l  （Applying）對(duì)于每組數(shù)據(jù)分別執(zhí)行一個(gè)函數(shù)；
l  （Combining）將結(jié)果組合到一個(gè)數(shù)據(jù)結(jié)構(gòu)中；
詳情請(qǐng)參閱：Grouping section
1、  分組并對(duì)每個(gè)分組執(zhí)行sum函數(shù)：
2、  通過(guò)多個(gè)列進(jìn)行分組形成一個(gè)層次索引，然后執(zhí)行函數(shù)：
八、            Reshaping
詳情請(qǐng)參閱 Hierarchical Indexing 和 Reshaping。
l  Stack
l  數(shù)據(jù)透視表，詳情請(qǐng)參閱：Pivot Tables.
可以從這個(gè)數(shù)據(jù)中輕松的生成數(shù)據(jù)透視表：
九、            時(shí)間序列
Pandas在對(duì)頻率轉(zhuǎn)換進(jìn)行重新采樣時(shí)擁有簡(jiǎn)單、強(qiáng)大且高效的功能（如將按秒采樣的數(shù)據(jù)轉(zhuǎn)換為按5分鐘為單位進(jìn)行采樣的數(shù)據(jù)）。這種操作在金融領(lǐng)域非常常見。具體參考：Time Series section。
1、  時(shí)區(qū)表示：
2、  時(shí)區(qū)轉(zhuǎn)換：
3、  時(shí)間跨度轉(zhuǎn)換：
4、  時(shí)期和時(shí)間戳之間的轉(zhuǎn)換使得可以使用一些方便的算術(shù)函數(shù)。
十、            Categorical
從0.15版本開始，pandas可以在DataFrame中支持Categorical類型的數(shù)據(jù)，詳細(xì) 介紹參看：categorical introduction和API documentation。
1、  將原始的grade轉(zhuǎn)換為Categorical數(shù)據(jù)類型：
2、  將Categorical類型數(shù)據(jù)重命名為更有意義的名稱：
3、  對(duì)類別進(jìn)行重新排序，增加缺失的類別：
4、  排序是按照Categorical的順序進(jìn)行的而不是按照字典順序進(jìn)行：
5、  對(duì)Categorical列進(jìn)行排序時(shí)存在空的類別：
十一、           畫圖
具體文檔參看：Plotting docs
對(duì)于DataFrame來(lái)說(shuō)，plot是一種將所有列及其標(biāo)簽進(jìn)行繪制的簡(jiǎn)便方法：
十二、           導(dǎo)入和保存數(shù)據(jù)
l  CSV，參考：Writing to a csv file
1、  寫入csv文件：
2、  從csv文件中讀取：
l  HDF5，參考：HDFStores
1、  寫入HDF5存儲(chǔ)：
2、  從HDF5存儲(chǔ)中讀取：
l  Excel，參考：MS Excel
1、  寫入excel文件：
2、  從excel文件中讀取：