python系列（2）---pandas库基础知识

pandas是数据清洗常用包，知识点包括数据的创建、数据的操作、数据的计算、数据的索引。

脑图如下。

一、数据创建：Series,DataFrame

1.Series创建的两种方式 ：一维数组    或者  字典

 

2.Series运算

 

3.dataframe创建的两种方式：数组    或者  字典

二、数据的常用操作

1.读取文件pd.read_csv('文件路径'，sep='\t')一般读取txt文件

2.读完了之后获取某列df[列名]，某行数据df.ix（行名）

3.数据太多了只看某些符合条件数据，过滤获取数据

4.数据的重命名rename(),替换replace(),排序sort()

 

4.数据的选取，删除、添加

 

 

5.数据的单层索引：

• loc.基于label名字索引。df.loc[:5]输出前5行，包括第5行（df.head(5)就是不包括第5行的）。df.loc[:5,['player','height']]前面是行索引，后面是列，用逗号分隔，行列名称必须都是表中有的字段才能索引到。
• iloc.基于位置索引。df.iloc[[1,3,5]]输出第1，3,5行。df.iloc[:5,[1,3,5]]输出前5行，第1,3,5列。是这个位置的就行。

6.数据的过滤

df.loc[df['height']>180,'flag']='high',把身高大于180的数据判断为高，并输出到一个名为 flag的新列里面。

数据的索引http://www.zhimengzhe.com/shujuku/other/267646.html

7.多重索引（层次化索引）

 

三、数据的清洗

 

1.缺失值处理方法

2.缺失值填充fillna()

3.缺失值的丢弃

 

四、对数据常用的数学统计方法

1.跟excel操作差不多的统计函数

 

 

2.查看数据的统计特征df.describe()#包括平均数、方差、百分位数。

 

 

3,求相关系数df.corr(),协方差df.cov()

 

4.分组计算

 

 

参考文章：http://www.cnblogs.com/stream886/p/6021743.html