python库---pandas使用简要说明

在pandas中用DataFrame来组织数据，先创建一个简单的DataFrame：

#首先是引入pandas和numpy，这是经常配合使用的两个包，pandas依赖于numpy
import pandas
import numpy
#创建行索引
dates = pandas.date_range("20160101",periods = 6)
df = pandas.DataFrame(np.zeros([6,4]),index = dates,columns = list("ABCD"))

那么这样就创建了一个最简单的DataFrame数据，其中每一行是时间序列，每一列是ABCD标号。
在数据框后面添加一行：
df["E"] = list([1,2,3,4,5,6])
查看数据：
查看数据的前几行后者后几行（默认是五行）也可以自己指定
df.head()
df.hean(3)   查看前三行
df.tail()
df.tail(5)   查看后三行
查看数据框的索引：df.index
查看数据框的列名：df.columns
查看数据框中的数据：df.values
查看描述性统计：df.describe()   结果按列给出，包括每一列的数字个数，均值，方差，最小值，25%，50%，75%，最大值。
对数据进行转置：df.T 此时行和列交换，其中行号和列号也跟着变换
对数据进行排序：df.sort(columns = "C"，ascending = 1),   按照第三列从小到大排序,默认是1，0是按照降序排序
查看数据中的特定的几行，切片df[1:3]左闭右开，索引从0开始。
或者按照index去索引，但是行必须有：来区别是按照行索引还是按照列来索引
查看数据中特定的列，按照列标号去索引：df[["A","B"]]
df.loc[]
可以按照行和列同时存在的方式来索引，只不过行不能跳跃访问
df.loc["20160101":"20160103",["A","B"]]
如果行跳跃访问只能使用下标的形式，用df.iloc[]
df.iloc:
数据框也允许像访问矩阵array一样访问DataFrame：
df.iloc[3],返回的是第四行的数值
df.iloc[3:5,0:2]  返回的是第三四行，0，1列
df.iloc[[1,2,4],[1,3]]：同时提取不连续的行和列的值：
df.iloc[1:3,:] 所有的行或者列可以用冒号来表示：获取第1，2行所有的列
df.iloc[1,1] ：直接按照矩阵的方式来获取，获取第二行第二列的数字
df.iat[]
如果只是提取一个数字，可以用df.iat[1,1] == df.iloc[1,1] 只是这个效率会更高。
数据筛选：
筛选D列数据大于0的行：
df[df.D > 0]
多条件筛选行：
df[df.D > 0 & df.C < 0]
如果用D列来筛选数据，但是只需要得到某些列的数据：
df[df.D > 0][["A","B"]]