python3数据分析第5天

1  pandas的索引对象不可改变

2 下面是index的属性和方法

3  reindex 将会根据新索引进行重排。

 

4  对于DataFrame,reindex可以修改索引，列，或两个都修改。如果仅仅传入一个序列，则会重新索引行

5

6   Series的索引

7 标签的切片运算与普通的Python切片不同，末端是包含的

8 DataFrame  的  列是columns       行是index

9 Series可以直接用标签索引

    DataFrame 必须用    .ix  来使用索引

10  pandas的数据会自动对齐

11 fill_value 可以设定一个填充值

 12   DataFrame 和 Series 可以运算， 如有不能匹配的值，就会生成缺失值

函数的应用和映射

1   numpy的ufuncs  元素级数组方法，也可以用于操作pandas对象

2 DataFrame 的apply方法可以实现，将函数应用到由各列或行所形成的一维数组上

3 许多常见的数组统计方法被实现成DATAFrame的方法（如sum  mean），无需使用apply方法

4  元素级的Python函数也是可以使用的。  使用 applymap()

排序和排名

根据条件对数据集排序 ，是一种重要的内置运算

1   要对行或者列   索引  进行排序，可以使用sort_index 方法，返回一个已经排序的新对象

2  对于DataFrame，可以根据任意一个轴上的索引进行排序

3  默认 是对列，当使用  axis=1  时，则是对行

4  数据默认是按升序排序的，但是也可以降序排序     ascending=False

5  排序时，缺失值放在末尾

6 在dataframe上，对一个多个列中的值进行排序。用by

7  排名

带有重复值的轴索引

汇总和计算描述统计

相关系数与协方差

唯一值，值计数以及成员资格

处理缺失数据

1  NAN

2  None也别当做缺失值

滤除缺失数据

1 Series，dropna返回一个仅仅含非空数据和索引值的Series

2  dataframe的dropna丢弃任何含有NA的行