pandas常用操作

pandas读取数据：

import pandas as pd
dataPath = 'test.csv'
data = pd.read_csv(dataPath , sep=',', iterator=False,encoding='utf-8', header=None)
# 其中dataPath 代表读取的文件的路径，
#     sep代表文件每行分隔的符号
#     iterator代表文件读取时以迭代的方式进行，设置为True可以减少内存占用
#     encoding代表读取文件的字符编码格式
#     header设置为None代表数据中没有列名，读取时可以忽略掉列名，默认为infer，其将第一行作为标签

pandas查看数据：

print data.head()    # 查看数据的前5行，括号中可以填数字，代表查看的行数
print data.tail()    # 查看数据的后5行，括号中可以填数字，代表查看的行数
print data.shape    # 查看data的大小，结果如（1024,10）

pandas删除行、列：

#  删除行,删除了data中的第16、17行
data.drop([16,17],inplace=True)   # inplace设置为True则原数据也改变
# 等价于
data.drop(data.index[[16,17]],inplace=True)

# 删除列，删除data中标签为age的列
del data['age']
# 等价于下式，均可添加inplace参数
data.drop(['age'],axis=1)

# 删除方法详见  http://www.jianshu.com/p/67e67c7034f6

pandas排序：

data = data.sort_values(by=['age', 'name'])  # 根据by中的参数名进行排序

pandas合并列表

data_12 = pd.merge(data1, data2, on=['age', 'name'], how='outer')
#  将data1和data2两个DataFrame类型的进行合并，on中代表合并时的主键，
#  how中可选参数为outer、inner
#  outer则得到并集，空缺部分为nan，inner为交集

pandas采样

DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)
# 例子如下
import pandas as pd  
df.sample(n=20000)  

n 是要抽取的行数。（例如 n=20000 时，抽取其中的 2W 行）
frac 是抽取的比列。（有一些时候，我们并对具体抽取的行数不关系，我们想抽取其中的百分比，这个时候就可以选择使用 frac，例如 frac=0.8，就是抽取其中 80%）
replace 抽样后的数据是否代替原 DataFrame()
weights 这个是每个样本的权重，具体可以看官方文档说明。
random_state 随机数

pandas保存数据：

data.to_csv('baseinfo2.csv', index=False)
# 将data保存到baseinfo2.csv中
# 其中index设置为False为了防止写入文件时写入索引。