本文是对pandas官方网站上《10 Minutes to pandas》的一个简单的翻译，原文在这里。这篇文章是对pandas的一个简单的介绍，详细的介绍请参考：Cookbook 。

虽然标准的Python/Numpy的选择和设置表达式都能够直接派上用场，但是作为工程使用的代码，我们推荐使用经过优化的pandas数据访问方式：.at, .iat, .loc, .iloc 和 .ix详情请参阅Indexing and Selecing Data 和 MultiIndex / Advanced Indexing。

l 获取

1、选择一个单独的列，这将会返回一个Series，等同于df.A：

1、通过传递数值进行位置选择（选择的是行）

2、通过数值进行切片，与numpy/python中的情况类似

3、通过指定一个位置的列表，与numpy/python中的情况类似

四、缺失值处理

在pandas中，使用np.nan来代替缺失值，这些值将默认不会包含在计算中，详情请参阅：Missing Data Section。

1、 reindex()方法可以对指定轴上的索引进行改变/增加/删除操作，这将返回原始数据的一个拷贝：、

2、去掉包含缺失值的行：

3、对缺失值进行填充：

4、对数据进行布尔填充：

五、相关操作

详情请参与 Basic Section On Binary Ops

l 统计（相关操作通常情况下不包括缺失值）

1、执行描述性统计：

2、在其他轴上进行相同的操作：

3、对于拥有不同维度，需要对齐的对象进行操作。Pandas会自动的沿着指定的维度进行广播：

l Apply

1、对数据应用函数：

l 直方图

具体请参照：Histogramming and Discretization

l 字符串方法

Series对象在其str属性中配备了一组字符串处理方法，可以很容易的应用到数组中的每个元素，如下段代码所示。更多详情请参考：Vectorized String Methods.

六、合并

Pandas提供了大量的方法能够轻松的对Series，DataFrame和Panel对象进行各种符合各种逻辑关系的合并操作。具体请参阅：Merging section

l Concat

l Join 类似于SQL类型的合并，具体请参阅：Database style joining

l Append 将一行连接到一个DataFrame上，具体请参阅Appending：

七、分组

对于”group by”操作，我们通常是指以下一个或多个操作步骤：

l （Splitting）按照一些规则将数据分为不同的组；

l （Applying）对于每组数据分别执行一个函数；

l （Combining）将结果组合到一个数据结构中；

详情请参阅：Grouping section

1、分组并对每个分组执行sum函数：

2、通过多个列进行分组形成一个层次索引，然后执行函数：

八、 Reshaping

详情请参阅 Hierarchical Indexing 和 Reshaping。

l Stack

l 数据透视表，详情请参阅：Pivot Tables.

可以从这个数据中轻松的生成数据透视表：

九、时间序列

Pandas在对频率转换进行重新采样时拥有简单、强大且高效的功能（如将按秒采样的数据转换为按5分钟为单位进行采样的数据）。这种操作在金融领域非常常见。具体参考：Time Series section。

1、时区表示：

2、时区转换：

3、时间跨度转换：

4、时期和时间戳之间的转换使得可以使用一些方便的算术函数。

十、 Categorical

从0.15版本开始，pandas可以在DataFrame中支持Categorical类型的数据，详细介绍参看：categorical introduction和API documentation。

1、将原始的grade转换为Categorical数据类型：

2、将Categorical类型数据重命名为更有意义的名称：

3、对类别进行重新排序，增加缺失的类别：

4、排序是按照Categorical的顺序进行的而不是按照字典顺序进行：

5、对Categorical列进行排序时存在空的类别：

十一、画图

具体文档参看：Plotting docs

对于DataFrame来说，plot是一种将所有列及其标签进行绘制的简便方法：

十二、导入和保存数据

l CSV，参考：Writing to a csv file

1、写入csv文件：

2、从csv文件中读取：

l HDF5，参考：HDFStores

1、写入HDF5存储：

2、从HDF5存储中读取：

l Excel，参考：MS Excel

1、写入excel文件：

2、从excel文件中读取：

转自：http://www.cnblogs.com/chaosimple/p/4153083.html

人工智能从入门到专家教程资料：https://item.taobao.com/item.htm?spm=a1z38n.10677092.0.0.38270209gU11fS&id=562189023765

转载于:https://www.cnblogs.com/tan-v/p/7707476.html

（转）十分钟入门pandas相关推荐

linux pandas教程_十分钟入门 Pandas
# 十分钟入门 Pandas 本节是帮助 Pandas 新手快速上手的简介.烹饪指南里介绍了更多实用案例. 本节以下列方式导入 Pandas 与 NumPy: In [1]: import numpy ...
Python数据分析pandas入门（一）------十分钟入门pandas
Python数据分析基础一.导入常用库二.创建对象三.查看数据四.选取五.通过标签选取六.通过位置选取七.布尔索引八.赋值九.缺失值处理十.运算与统计十一.Apply函数的作用 ...
十分钟入门Pandas
文章目录 1 创建对象 1.1 Series 1.2 DataFrame 2 查看数据 3 选择 3.1 获取行.列 3.2 设置行.列 4 缺失值 4 操作 4.1 统计 4.2 Apply 4.3 ...
【Pandas-1】十分钟入门Pandas (上)
目录 1 创建对象 2 查看数据 3 选择 3.1 获取`[]` 3.2 通过标签选择`loc()` `at()` 3.3 通过位置选择`iloc()` `iat()` 3.4 布尔索引 3.5 赋值 ...
10分钟入门Pandas(添加一些个人见解)
pandas十分钟入门(codedog翻译) 原文下载地址:https://download.csdn.net/download/qq_35189715/11392455 github地址:https ...
“易语言.飞扬”十分钟入门教程（修订版1，update for EF1.1.0）
"易语言.飞扬"十分钟入门教程 (修订版1,update for EF1.1.0) 作者:liigo,2007.8.12 本文地址:http://blog.csdn.net/lii ...
自学python编程免费教程-Python十分钟入门自学python基础教程送你参考
python十分钟入门.简介Python是一种动态解释型的编程语言.Python可以在Windows.UNIX.MAC等多种操作系统上使用,也可以在Java..NET开发平台上使用. 特点 1 Pyt ...
“易语言.飞扬”十分钟入门教程
"易语言.飞扬"十分钟入门教程作者:liigo 2007.1.1 原文链接:http://blog.csdn.net/liigo/archive/2007/01/01/14720 ...
Azure IoT Hub 十分钟入门系列（2）- 使用模拟设备发送设备到云(d2c)的消息
本文主要分享一个案例: 10分钟- 使用Python 示例代码和SDK向IoT Hub 发送遥测消息本文主要有如下内容: 了解C2D/D2C消息: 了解IoT Hub中Device的概念了解并下载 ...

（转）十分钟入门pandas

一、创建对象

二、查看数据

三、选择

四、缺失值处理

五、相关操作

六、合并

七、分组

八、 Reshaping

九、时间序列

十、 Categorical

十一、画图

十二、导入和保存数据

（转）十分钟入门pandas相关推荐

最新文章

热门文章