pandas

预备知识

想要快速上手pandas，必须先熟悉几个概念Series、DataFrame、Panel

• Series，1维序列，可视作为没有column名的、只有一个column的DataFrame；
• 把DataFrame理解成是个Excel就行了，实际上打印出来也确实像excel。DataFrame，同Spark SQL中的DataFrame一样，其概念来自于R语言，为多column并schema化的2维结构化数据，可视作为Series的容器（container）；
• Panel，为3维的结构化数据，可视作为DataFrame的容器；

import pandas
data = pandas.DataFrame([[1,2,3,4]], columns=['a','b','c','d',])

行数

len(data)

表头/列名

data.columns

data转化为list

data.values

判断值是否为NaN

• NaN的数据类型居然是个float，具体等多少我没搞出来

pandas.isna(val)

行操作相关

• 新增一行数据
  以下代码需他们的列名相同

new_row = pandas.DataFrame([6，7，8，9], columns=['a','b','c','d'])
//ignore_index表明行号要统一。
new_data = pandas.concat([new_row, data], ignore_index=True)

• 查看前几行/后几行

//x可变
data.head(x)
data.tail(x)

• 行切片

data[2:4] 

查看索引

data.index

行列转换

data.T

列相关操作

• 指定列排序

data.sort(columns='a')

• 选择某列

data['a']

定位

• 定位一块局部数据

data.loc(data[2:4],'a')

• 定位某一个

data.at(data[0],'a')

读取csv

pandas.read_csv(file_path,encoding='utf8')

参考教程

• http://www.cnblogs.com/en-heng/p/5630849.html