pandas 的列表
pd
.series([1,2,3,4])
dtype，列表中資料的格式
dataframe：
pandas 的矩陣， 在pandas中叫做dataframe, 它是乙個大的矩陣類似於二維的numpy， 資料為numpy的資料，但是為每行指定索引和每一列指定索引，結構類似於通常意義的表。
dates = pd.date_range('20150101', periods=6)
df = pd.dataframe(np.random.randn(6, 4), index=dates, columns=['a','b', 'c', 'd'])
a b c d
2015-01-01
0.136134 -0.289587 -0.695025
0.640421
2015-01-02 -0.118569
0.610150
0.750436 -1.254998
2015-01-03
0.659676 -0.465765 -1.206549
0.204780
2015-01-04 -1.128322
0.130286 -0.268923
0.071449
df1 = pd.dataframe(np.arange(12).reshape((3,4)))dataframe屬性：
df.index 返回所有行的序號
df.column 返回所有列的序號（column）
df.values 返回所有的value，只是輸出值不包括列和行的序號
df.describe() 獲取對dataframe每一列資料的相關計
df.t 作矩陣的轉置
df.sort_index(axis=1, ascending=false), 對index進行排序，排序依據是行或者列的index
df.sort_values(by=」d」) 對值進行排序，可以指定列的index，來對某一列進行排序
如何選擇資料：
資料切片，針對行
select by label: loc 可以針對行或者列進行選擇, 這裡需要行或列的index name, 這個可以非常靈活的使用
select by position iloc 可以針對行或者列進行選擇, 這裡需要行或列的索引號
mixed selection ix
boolean indexing, 對於列的處理比較好
設定值如何給選定的範圍的資料重新賦值
首先使用，資料選取方法選取資料，然後使用=賦值，可以使用資料的廣播機制來賦值.
* df.a[df.a>0] = 0 對於a列中所有大於0的值都重新賦值為0
* df[「e」]=11 為df加一列資料並且都將它初始化為11
* df[「e」]=np.nan
pandas 使用技巧記錄
這個drop duplicate方法是對dataframe格式的資料，去除特定列下面的重複行。返回dataframe格式的資料。dataframe.to csv des file panda聚合分組 當檔案過大無法單次讀取到記憶體時，可以採用iterator進行多次讀取 reader pd.read...
pandas使用的一些技巧
偶然學到了一些技巧，不知道寫在哪兒，就記在這吧，持續更新ing loc是最慢的。盡量用ix代替。pandas 存在 df.iterrows 的generator 來迴圈dataframe 的 row,這樣的效率是最高的。文件丟在這 轉乙個部落格作為參考 我用的時候 for i,row in tqdm...
pandas使用技巧總結 1
記錄工作中使用過的一些pandas技巧 匯入必要的庫 並設定路徑 對得到資料預處理 cs well data 壓裂段 str.split n 2,expand true 壓裂段形式 井號 層號 段號 str.split 對應list.split 以什麼分割，預設空格，n 分成幾段，預設 1 all ...