pandas是基于NumPy构建的模块，含有使数据分析更快更简单的操作工具和数据结构，最常用的数据结构是：序列Series和数据框DataFrame，Series类似于numpy中的一维数组，类似于关系表的一列；而DataFrame类似于二维的关系表。
>>> import pandas as pd >>> from pandas import Series,DataFrame
一，数据类型
用dtype属性来显示元素的数据类型，pandas主要有以下几种dtype：
- object：表示字符串类型
- int：表示整数类型
- float：表示浮点数类型
- datetime：表示时间类型
- bool：表示布尔类型
二，序列
Series 是由一组有序的数据以及与之相关的索引组成，可以通过索引来访问Series对象中的元素。
1，创建序列
仅使用一组数据就可以产生最简单的Series，此时索引是从0依次递增的整数：
obj=Series([4,7,-5,3])
可以通过Series对象的values和index属性查看序列的值和索引：
obj.values ## array([4,7,-5,3]) obj.index ## Int64Index([0,1,2,3])
可以使用自定义的列表来创建序列：
obj=Series([4,7,-5,3],index=['d','b','a','c'])
如果数据存储在一个Python字典结构中，也可以直接通过字典来创建Series：
>>> sdata = {'b': 12, 'a': 13, 'd': 14, 'c': 10}
>>> sd=pd.Series(sdata)
b 12
a 13
d 14
c 10
dtype: int64
2，访问序列的元素
通过索引来访问序列的元素，并可以修改序列元素的值
sd['a']=4
三，数据框
数据框类似于二维的关系表，含有一组有序的列，每列可以是不同的数据类型；DataFrame既有行索引（index），也有列索引（columns），可以认为，DataFrame的每一列都是一个Series对象。
1，使用DataFrame函数来创建数据框
通过等长的字典来创建数据框，并可以设置数据框的列名和行索引。
>>> data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'],
... 'year': [2000, 2001, 2002, 2001, 2002],
... 'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
>>> row_num = ['one', 'two', 'three', 'four', 'five']
>>> col_names=['year', 'state', 'pop']
>>> df=pd.DataFrame(data,columns=col_names,index=row_num)
year state pop
one 2000 Ohio 1.5
two 2001 Ohio 1.7
three 2002 Ohio 3.6
four 2001 Nevada 2.4
five 2002 Nevada 2.9
2，访问DataFrame的元素
通过列名，访问DataFrame的元素的方法有两种：索引方式和. 号方式，这两种方式返回的都是数据框中一整列的数据：
df['state'] df.state
通过行索引可以返回一整行的数据，行索引可以通过位置或名称来获取，使用对象的索引字段ix：
df.ix['three']
3，修改DataFrame对象
修改已有的数据，例如，设置第一列的值，把第一列的值全部设置为“NewYork”
df.state[0]='NewYork'
当对不存在的列赋值时，pandas会向DataFrame对象中新建一列：
df['avg_age']=34
关键字 del 用于删除DataFrame中的列：
del df['age']
4，DataFrame的索引
obj是DataFrame对象，有多种方式来索引DataFrame对象:
- obj[col]：选取DataFrame对象的单个列或一组列
- obj.ix[row]：选取DataFrame对象的单行或一组行
- obj.ix[:,col]：和obj[col]的作用相同，
- obj.ix[row:col]：同时选取DataFrame对象的行和列
- icol,irow：根据整数位置选取单列或单行
5，遍历DataFrame
使用iterrows() 遍历数据框，iterrows()返回值为元组(index,row)
for index,row in otu.iterrows(): print(index,row)
四，删除行和列
drop()函数用于删除指定轴（Axis）上的数据项，
drop(labels=None, axis=0, index=None, columns=None,level=None, inplace=False):
参数注释：
- labels：一个字符或者数值，或者是字符或数值的列表，和axis搭配，表示行索引或列索引
- axis：axis=0表示行，axis=1表示列
- columns：表示DataFrame对象的列名
- index：表示DataFrame或Series对象的index, 如index=1, index='a'
- inplace：True表示删除某行后原dataframe变化，False不改变原始dataframe
注意：对于 inplace参数，如果设定为True，那么原始序列或数据框直接被替换；如果设置inplace=False，原始序列或数据框对应的内存值并不改变，要保留函数执行的结果，需要将新的结果赋给一个新的对象。先删除index=0的行，再删除列名为a的数据
1，基于index 和columns来删除数据
先删除index=0的行，再删除列名为a的数据
df.drop(index=0)
df.drop(colum='a')
2，基于labels和axis来删除数据
先删除 "行号为0" 的数据，再删除列名为a的数据
df.drop(labels=0, axis=0)
df.drop(labels='a',axis=1)
五，apply和applymap
DataFrame对象有实例级别的函数：apply()函数引用于数组级别，applymap应用于元素级别。
定义一个函数fun，使用apply()函数把fun应用到由DataFrame对象的列构成的一维数组上，通常fun函数是由聚合函数构成的。
f=lambda x: x.max()-x.min df.apply(f)
定义一个函数foo，使用applymap()函数把函数foo应用于DataFrame对象的各个元素上，
foo=lambda x: '%.2f' % x df.applymap(foo)
而Series对象有map()方法，应用于Series对象的元素上。
六，排序和排名
pandas可以按照索引来排序，也可以按照值来排序。
1，按照索引排序sort_index
sort_index(axis=0,ascending=True)
参数注释：axis=0表示行，axis=1表示列；ascending=True表示按照升序排序
对于Series对象，s.sort_index() 表示按照行索引的升序来排序；
对于DataFrame对象，df.sort_indx(axis=1,ascending=False) 表示按照列名称的降序来排序。
2，按照值来排序
对于Series对象，使用order()对值进行排序
对于DataFrame对象，使用sort_index(by='col_name')，按照列值来排序；使用sort_index(by=['col_1','col_1','col_1'])，按照多个列的值来排序。
3，按照值对数据排名rank
rank(axis=0，ascending=True,method='average')
参数注释：
axis：轴，默认值是0，表示在行上计算排名；值为1时表示在列上计算排名
排名时用于破坏平级关系的method选项：
- average：默认，在相等分组中，为各个值分配平均排名
- min：使用整个分组的最小排名
- max：使用整个分组的最大排名
- first：按值在原始数据中出现的顺序分配排名
七，聚合和计算描述性统计
pandas中的聚合函数：
- count：非NA值的数量
- desribe：针对Series或DataFrame各列计算汇总统计
- min、max：计算最值
- argmin、argmax：计算最值的索引位置
- idxmin、idxmax：计算最值的索引值
- quantile：分位数
- sum、mean、median：值的总和，均值和中位数
- cumsum：累计和
- pct_change：计算百分数变化
这些函数的参数通常是：
- axis：默认值是0，DataFrame对象的行是0，列是1
- skipna：默认值是True，跳过缺失值
八，处理缺失值
缺失值NA是指数值类型的NaN和None，NaN可以使用numpy.nan来设置。
from numpy import nan as NA
处理缺失值的方法：
- dropna：删除有缺失值的行或列
- fillna：用指定值填充缺失值
- isnull：返回一个含有布尔值的对象，表示哪些值是缺失值
- notnull：返回一个含有布尔值的对象，表示哪些值不是缺失值
参考文档：