平时用Python处理数据的时候，代码最开始都会无脑import numpy和pandas包，之前简单的整理了Numpy的用法，这次是pandas包的DataFrame（比较常见）的操作 > Pandas 是一个 Python包，提供快速、灵活和富有表现力的数据结构，旨在使“关系”或“标记”数据的使用既简单又直观。它的目标是成为用Python进行实际的、真实的数据分析的基础高级模块。此外，它还有更宏远的目标，即成为超过任何语言的最强大，最灵活的开源数据分析/操作工具。。。。
Pandas数据类型简单的分有Series和DataFrame两类，我粗略的理解相当于R语言的向量和数据框
Series可以接受字典dict、ndarry以及标量值等数据来源，比如：
从字典作为输入：
pd.Series({'b': 1, 'a': 0, 'c': 2})从ndarry（Numpy的）作为输入，index方法可返回series的索引，不指定index索引的话，默认是0开始编号；PS. pandas支持非唯一索引值。。。
s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
s.index #索引
s.dtype #数据类型从标量作为输入：
pd.Series(5., index=['a', 'b', 'c', 'd', 'e'])之前说Series类似于R语言的向量，也是因为两者操作上也比较相似，比如切片等操作：
s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
s[0]
s[:3]
s[s > s.median()]
s[[4, 3, 1]]除了切片还返回值，还可以通过索引标签来返回值、赋值以及判断索引是否存在，比如：
s['a']
s['e'] = 12.
'e' in s如果使用了不存在的索引，pandas则会报错（而R则是返回NA），但可以用get方法来避免报错
s.get('f') == None
>>True还可以对Series进行numpy函数操作，以及向量化操作（pandas会根据索引自动对齐进行运算，无法对齐的标签则返回NaN）
np.exp(s)
s + s
s[1:] + s[:-1]DataFrame跟Series差不多，也支持多个数据结构的来源，如：
- 1D ndarray，list，dicts或Series的Dict
- two-dimensional ndarray
- ndarray
- Series
- DataFrame
比如一些常见的用法：
df = pd.DataFrame({'foo1': np.random.randn(5),
'foo2': np.random.randn(5)})
df.columns或者来自于ndarray，其中len(df.index)可查看行数，list(df.columns.values)则可查看列名
data = np.array([[1, 2],
[3, 4]])
df = pd.DataFrame(data = data,
index = ["Row1","Row2"],
columns = ["Col1","Col2"])
print(df)
print(df.shape)
print(len(df.index))
print(list(df.columns.values))还有比如创建空DataFrame
pd.DataFrame(np.nan, index=[0,1,2,3], columns=["A","B"])个人感觉DataFrame一般都是从文件中直接读取用得比较多pd.read_csv等等。。但还是有几个比较有用的函数，如：
DataFrame.from_dict函数，其中加不加index有略微区别（前者A/B是column，后者加了orient参数的话，A/B则变成了index，此时需要再设定column）
df = pd.DataFrame.from_dict(dict([('A', [1, 2, 3]), ('B', [4, 5, 6])]))
df = pd.DataFrame.from_dict(dict([('A', [1, 2, 3]), ('B', [4, 5, 6])]),
orient='index', columns=['one', 'two', 'three'])DataFrame.from_records函数则是用于ndarray类型的数据：
data = np.array([(1, 2., 'Hello'), (2, 3., 'World')])
pd.DataFrame.from_records(data, index = ("a","b"))对DataFrame类型数据操作，相比较R语言来说，也非常类似，但也有点不同；比如在R中是以[,]来获取数据框的值，而在Pandas中则不同，比较常用的切片行/列操作如下：
df = pd.DataFrame(np.array([[1,2,3], [4,5,6], [7,8,9]]), columns = ["A","B","C"])
# 切片行
df[:1]
# 指定列
df["A"]还可以通过loc[]和iloc[]来获取指定数值，如下：
# 1行1列的值
df.iloc[0][0] # 等价于 df.iloc[0,0]
df.loc[0]['A'] # 等价于 df.loc[:,'A']
# 切片行/列
df.iloc[0] # 等价于 df.iloc[0][:] 或者 df.loc[0]
df.loc[:,"A"] # 等价于 df.loc[:]["A"]也可用于赋值创建新列/行
df.loc[3] = [10,11,12] # 添加行
df["D"] = df.index # 添加列
df.loc[:, "D"] = df.index # 同上 也可以通过类似于R语言的方式，通过at[]或者iat[]方法，如下：
df.at[0,'A']
df.iat[0,0]DataFrame可以通过set_index方法，可以设置单索引和复合索引（类似于交叉表的形式。。。个人觉得），而reset_index则是逆操作
df.set_index('C')能新建行/列，当然也能删除行/列，用drop方法，其中axis=1对应列，为axis=0对应行，inplace为True则直接改变df原数据，如下：
df.drop("D", axis=1, inplace=True)
df.drop(df.columns[3], axis=1) # 同上
df.drop(3, axis=0, inplace = True)
df.drop(df.index[3], axis=0) # 同上删除列还可以用简单的del方法
del df['A']使用drop_duplicates方法可以查看指定列是否有重复并指定保留其中某一个
df.drop_duplicates(["A"], keep='last')对行名和列名重命名也是一个比较常见的需求，可使用rename方法
df.rename(index = {0:1, 1:2, 2:3})
df.rename(columns = {"A":"col1", "B":"col2", "C":"col3", "D":"col4"}, inplace = True)判断缺失值，可用isnull方法
df.isnull()去除缺失值，可用dropna方法
df.dropna()
df.dropna(axis=1, thresh=2)有删缺失值，则肯定是补缺的方法，可用fillna方法
df.fillna(value=100)
df.fillna(value={"A":100}) # 指定列中的缺失值替换DataFrame中的数值也有专门的方法replace，可以用df.replace(to_replace, value)形式，也可以用字典形式除了常规替换，还可以用regex参数来做正则匹配
df.replace([1,2,3,4], [11,12,13,14])
df.replace({1:2, 2:3})
df.replace('[A-Z]', 0, regex = True)此外，类似R语言的rblind或者cblind，Pandas也有类似的方法join来合并DataFrame
对于R语言的apply家族函数，Pandas也有apply方法：
df["A"].apply(doubler) # 对列
df.loc[0].apply(doubler) # 也可以对行还要一些比较复杂的操作，如：
pivot()stack()，unstack()melt()
如果想历遍DataFrame，可以用iterrows方法
for index, row in df.iterrows() :
print(row["A"], row["B"])参考资料：
https://www.pypandas.cn/docs/getting_started/dsintro.html#dsintro
https://www.datacamp.com/community/tutorials/pandas-tutorial-dataframe-python