Pyhton - 数据分析之pandas模块一览总表 _索引

分组用法详解:
一个强大的分析结构化数据的工具集，基础是 Numpy（提供高性能的矩阵运算）。这个名称来源于panel data（面板数据），从而可见其要处理的数据是多维度的而非单维度。
和Numpy的区别：
安装: pip
一、数据结构组成
包含以下三个数据结构：系列()，数据帧()，面板(Panel) 。
二、数据基本操作 1. 创建数据结构函数说明
.( data, index, dtype, name, copy)
类似表格中的一个列（），类似于一维数组，可以保存任何数据类型。由索引（index）和列组成。如果没有指定索引，索引值就从 0 开始，我们可以根据索引值读取数据。【data一组数据(支持多种数据类型，如，list，类型) 。index数据索引标签，索引值必须是唯一的，与data的长度相同，默认为np.(n)，其中n是数组长度，即[0,1,2,3…. range(len(array))-1] - 1]，从 0 开始。dtype数据类型，默认会自己判断。name设置名称。copy拷贝数据，默认为 False 。】
.( data, index, , dtype, copy)
是一个二维的数组结构，类似二维数组。【data一组数据(、系列, map, 列表list, 字典dict 等类型) 。index索引值，或者可以称为行标签。列标签，默认为(0, 1, 2, …, n)。dtype数据类型。copy拷贝数据，默认为 False 。】
.Panel(data, items, , , dtype, copy)
创建 Panel 。【data 支持多种数据类型，如，，map，lists，dict，和其他数据帧() 。items即axis=0 。即axis=1 。即axis=2 。dtype每列的数据类型。copy是否复制数据，默认为false 。】
.(start=None, end=None, =None, freq=‘D’, tz=None, =False, name=None, =None, **)
生成日期范围。【start开始时间。end结束时间。偏移量。freq频率，默认天，pd.()默认频率为日历日，pd.()默认频率为工作日。tz时区。name索引对象名称。时间参数值正则化到午夜时间戳（这里最后就直接变成0:00:00，并不是15:30:00）。默认为None的情况下，左闭右闭，left则左闭右开，right则左开右闭。】pd.(end=‘1/30/2017 15:00:00’, =10) # 增加了时、分、秒
2. 数据结构的属性和方法属性或方法描述
df.axes
返回索引列表。返回行轴标签和列轴标签列表。
df.
返回数据类型。返回每列的数据类型。
df.empty
返回布尔值，表示对象是否为空, 返回True表示对象为空。
df.ndim
返回对象的维数。根据定义，一个是一个一维数据结构，是一个2D对象。
df.size
返回基础数据中的元素个数。返回中的元素个数。
df.
以形式返回中的实际数据值。将中的实际数据作为返回。
df.T
返回的转置，行和列将交换。
df.shape
返回表示的维度的元组。元组(a，b)，其中a表示行数，b表示列数。
3. 读取/添加/删除
索引和选择数据，和NumPy索引运算符"[]“和属性运算符”."可以快速轻松地访问数据结构。由于要访问的数据类型不是预先知道的，直接使用标准运算符具有一些限制。
索引描述
df.loc[, ]
按标签的行列交叉选取。基于标签(label)，包括行标签(index)和列标签()，即行名称和列名称，可以使用def.loc[, ]选择指定位置的数据。【单个标量标签，df.loc['a']选择的是 index 为’a’的一行。标签列表，df.loc[['a', 'b', 'c']]只选择行。切片对象，在最终选择的数据数据中包含切片的 start 和 stop，df.loc['c' : 'h'] 即包含’c’行，也包含’h’行。布尔数组，用于筛选符合某些条件的行，可以使用 list, array, 也可以使用（使用时 index需要一致，否则会报），df.loc[df.A>0.5] 筛选出所有’A’列大于0.5的行。】# df.loc[ df:[0,1]] 选择前两行