1、構造需要從字典構造
cds=如果要指定index，可以用set_index，但要注意必須再次賦值。codes=pd.dataframe(cds)
codes=codes.set_index("code")
2、如果先用index陣列和列名構造乙個骨架，也可以
shijian=['2011','2012','2013','2014','2015','2016','2017','2018'] #年報3、也可以動態新增列，直接命名賦值即可fr=pd.dataframe(index=shijian,columns=codes['name'].tolist())
fr["newcol"]=04、列名可以用中文，但要對齊的話，需要設定（pandas 0.2以上）
pd.set_option('display.unicode.ambiguous_as_wide', true) #控制中文標題對齊
pd.set_option('display.unicode.east_asian_width', true)
pd.set_option('display.float_format', lambda x: '%.2f' % x) #小數顯示格式，保留2位
最下面是設定小數顯示保留2位的。好像列標題有對齊選項，但是列沒有對齊選項。
5、dataframe的元素定位，ix棄用了，只能用loc，iloc，at，iat。loc是切片，at是定位到元素，差不多可以通用。
codes.loc[cd,'name'] #**為cd的行，對應的name列而iloc和iat的行和列引數，必須都是indexcodes.at[cd,'name'] #如果目標為單個元素，at和loc差不多
codes.loc[codes["code"]==cd,'name'] #如果code不是index，而是普通列，可以設條件
6、一些轉換
codes.index.tolist() #把series轉換為list
我對DataFrame的理解（Spark）
以下鏈結為spark sql中的dataframe api dataframe 官方說明 在spark中，dataframe是乙個以命名列方式組織的分布式資料集，等同於關係型資料庫中的乙個表，也相當於r python中的data frames 但是進行了更多的優化 dataframes可以由結構化資...
對函式的再理解
函式的定義域是針對單獨的自變數而言的 引例，已知函式 f x 2x 1 的定義域是 0，infty 則意味著只能是 x in 0，infty 引例，已知 f 2x 1 x 2 的定義域為 1,1 則意味著需要先由 f 2x 1 x 2 變換得到 f x cfrac cfrac 具體變換 令 2x 1...
對 P 的理解，再聯想
前言 正文 p 這種用法是很常見的，很有用的。但是不是很好理解，現在 來徹底分析下 首先 號和 號的優先順序是同一級，但是它們的結合方向是從右邊到左邊。那麼很明顯核心p先和 先結合，這個就確定了關鍵的一件事 會讓指標遞增，而不是指標指向的數，也就是說會遞增的是p而不是 p。但是這裡的 是後 後 有個...