是一种一维的索引表
相当于python字典
是一种二维的表
可以进行行索引和列索引
date.index // 行序号
date.columns // 列序号的名称
date.values // 打印数据的值
date.describe() // 对变量进行数据总结
date.T // 行列进行转置
date.sort_index(axis=1,ascending=false) // axis=1代表按列进行排序||ascending=false代表按倒序排序
date.sort_values(by="e") //按值进行排序
pd.DateFrame(np.zeros(6,4),index=dates,columns=['A','B','C','D'])
生成6行4列的表,行表头为dates,列表头为A,B,C,D
date['A'] // 选择某列
date[[2:],[‘A’,’C‘]] // 选择第三行之后的所有行且列选择A列和C列 # 行范围选择,列精确选择
date.loc[]
date.iloc[]
date.ix[]
date.loc[’行‘,’列‘] = 3 // 内可以写函数判断式
date.dropna(axis=0,how='any') //0对行操作,1对列操作 , any只要存在就去掉,all全是才去掉
date.fillna(value = 0) //用0代替所有缺失值
判断值是否丢失--> pd.isnull(date) -->nan为ture,有值为false
pd.read_csv(‘文件夹路径’)
pd.read_sql(sql语句+路径) //mysql需要路径和连接(conn)
pd.read_excel,json,html,pickle,txt(/t)
pd.concat([date1,date2,date3],axis = 0,ignore_index=true )// 0表示竖向合并,1表示横向合并,ignore_index重置序列
pd.concat(【数据项】,axis = 1, join = ‘outer’)
date1.append(date2,ignore_index=true) //把date2合并到date1下面,并重置index
pd.merge(date1,date2,on = ['列标题'],how = 'inner'/'outer'/left/right) // 内联合并、外联合并、左联合并、右联合并
pd.merge(date1,date2,on = %,how = % ,indicator = ture/‘设置其名称’)
pd.merge(date1,date2,date1_index = true, date2_index=true, how = outer)