dataframe使用笔记

 dates=pd.date_range('',periods=6) #创建固定频度的时间序列

 df=pd.DataFrame(np.random.randn(6,4),index=dates,columns=list('ABCD')) #创建6*4的随机数，索引，列名称。

 df2=pd.DataFrame({'A':pd.Timestamp(''),'B':pd.Series(1)})#字典创建Dataframe，假如字典的数据长度不同，以最长的数据为准。

 df2.dtypes #查看各行的数据格式

 df2.head()  df2.tail(5) #查看前、后几列

 df.columns  df.value #查看列名、value

 df.describe() #查看描述性的统计，比如每一列的count、mean、std（标准差）...

 df.T  df.sort(columns='C') #转秩、排序

 df['A']   df[1:3]#选择A列数据，选择1-2行数据，切片操作得到的是行数据。

 df.loc[:,['A','B']] #选择多列数据

 df.loc['':'',['A','B']] #选择局部区域

 df.at[dates[0],'A'] #选择某个值

 df.iloc[3]  df.iloc[1,1]#提取第四行数据,取第2行第2列的这个数

 df.iloc[3:5,0:2] #像array一样切片操作

 df.iloc[[1,2,4],[0,2]] #提取不连续的行和列

 df.iat[1,1]#专门取某个数，效率比较高

 df[(df.D>0)&(df.C<0)] #选择D列数据大于0的行

 df[['A','B']][(df.D>0)&(df.C<0)]#选择D列数据大于0的行,只返回A,B两列

 df['D'].isin(alist)#alist是一个预先定义的列表，把要筛选的值写到列表中，查找D数据中含有alist的值

 os.getcwd()#获得当前的工作目录

 df=pd.read_csv('',encoding='gbk',sep=',')#读取csv文件

 counts=df[u'专业名称'].value_counts() #计数统计

 plt=counts.plot(kind='bar').get_figure()

 plt.savefig('d/plot.png')  #画图

 good=df[df[u'高考分数']>520] #筛选

 good_counts=good[u'专业名称'].value_counts()

 per=good_counts/counts #计算百分比，直接利用矩阵的除法

 df.groupby('A').first() #按A列分组，输出每一组的第一行数据

 df.groupby(['A','B']) #按两列分组

 #创建函数，作为分组标准。 下例：如果列名是abem中的之一，就分为组别v反之为w

 def get_type(letter):

     if letter.lower() in 'abem':

        return 'v'

     else:

        return 'w'

 grouped=df.groupby(get_type,axis=1)

 import pandas.util.testing as tm

 colors=tm.choice(['red','green'],size=10)

 foods=tm.choice(['eggs','ham'],size=10) #随机创建两个数组

 index=pd.MultiIndex.from.arrays([colors,foods],names=['color','food'])  #创建MultiIndex对象，然后创建DataFrame对象

 df.pd.DataFrame(np.random.randn(10,2),index=index)

 print df.query('color=="red"') #查询

 grouped=df.groupby(level='food')#在分组中使用索引

 df.index.names=[None,None]

 print df.query('ilevel_0=="red"')#删除了索引名称，只能使用ilevel_0表示第一个索引