团子的pandas库总结（1）

由于工作后模拟仿真会产生大量的数据，如何正确地读取、清洗、处理和可视化数据是我必须要面对的问题，pandas是一个常用的数据处理的python库，它所包含的数据结构和数据处理工具的设计使得在python中进行数据清洗和分析非常快捷。下面开始对pandas库的特性和方法总结：

pandas数据结构介绍

1.Series

series对象自身和其索引都有name属性，这个特性与pandas其他重要功能集成在一起：
obj4.name=‘population’
obj4.index.name=‘state’

2.DataFrame

frame.head()会选出头部的五行；

dataframe有两种检索其中一列的方式frame[‘year’]和frame.year，该两种函数均返回一个series，frame[column]对于任意列名均有效，但是frame.column只在列名是有效的python变量名时有效，所以尽量使用frame[column]结构。；

空的‘debt’列可以赋值为标量值或值数组：
frame[‘debt’]=16.5 frame会新增debt列，并且值均为16.5
frame[‘debt’]=np.arange(6.) frame会按照索引从低至高给debt列赋值0、1、2、3、4、5

将series赋给一列时，series的索引将会按照dataframe的索引重新排列，并在空缺的地方填充缺失值。

增加一列布尔值，判断条件是state列是否为‘ohio’：
frame[‘eastern’]= frame.state==‘ohio’

del方法可以用于移除之前新建的列：
del frame[‘eastern’]

如果嵌套字典被赋值给dataframe，pandas会将字典的键作为列，将内部字典的键作为行索引。

可是使用 frame.T 来对打他frame进行转置（调换行和列）。

如果dataframe的索引和列拥有name属性，则这些name属性也会被显示：
frame.index.name=‘year’
frame.columns.name=‘state’

3.索引对象

‘ohio’ in frame3.columns 和 2003 in frame3.index，此种语句可以判别某元素是否存在于索引或者列中。

pandas索引对象可以包含重复标签。根据重复标签进行筛选，会选取所有重复标签对应的数据。

方法	描述
append	将额外的索引对象粘贴到原索引后，产生一个新的索引
difference	计算两个索引的差集
intersection	计算两个索引的交集
union	计算两个索引的并集
isin	计算表示每一个值是否在传值容器中的布尔数组
delete	将位置i的元素删除，并产生新的索引
drop	根据传参删除指定索引值，并产生新的索引
is_monotonic	如果索引序列递增则返回True
is_unique	如果索引序列唯一则返回True
unique	计算索引的唯一值序列