pandas

1.Series

是一种一维的索引表

相当于python字典

2.DateFrame

是一种二维的表

可以进行行索引和列索引

2.1表的关键词

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

2.2对表进行排序

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

3.数据操作

3.1创建选择表

• 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

3.2查找数据

• date.loc[]

• date.iloc[]

• date.ix[]

3.3更改数据

• date.loc[’行‘，’列‘] = 3 // 内可以写函数判断式

3.4处理丢失数据

• 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

3.5文件的导入和导出

• 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)

3.6pandas数据合并

3.6.1.axis合并

• 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

3.6.2.join合并

• pd.concat（【数据项】，axis = 1， join = ‘outer’）

3.6.3.append添加数据

• date1.append（date2，ignore_index=true） //把date2合并到date1下面，并重置index

3.6.4.merge合并

• 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）