基本数据集操作
(1)读取CSV格式的数据集
pd.DataFrame.from_csv("csv_file")
或者
pd.read_csv("csv_file")
(2)读取Excel数据集
pd.read_excel("excel_file")
(3)将 DataFrame 直接写入 CSV 文件
如下采用逗号作为分隔符，且不带索引：
df.to_csv("data.csv", sep=",", index=False)
(4)基本的数据集特征信息
df.info()
(5)基本的数据集统计信息
print(df.describe())
(6)Print data frame in a table
将 DataFrame 输出到一张表：
print(tabulate(print_table, headers=headers))
当「print_table」是一个列表，其中列表元素还是新的列表，「headers」为表头字符串组成的列表。
(7)列出所有列的名字
df.columns
基本数据处理
(8)删除缺失数据
df.dropna(axis=0, how='any')
返回一个 DataFrame，其中删除了包含任何 NaN 值的给定轴，选择 how=「all」会删除所有元素都是 NaN 的给定轴。
(9)替换缺失数据
df.replace(to_replace=None, value=None)
使用 value 值代替 DataFrame 中的 to_replace 值，其中 value 和 to_replace 都需要我们赋予不同的值。
(10)检查空值 NaN
pd.isnull(object)
检查缺失值，即数值数组中的 NaN 和目标数组中的 None/NaN。
(11)删除特征
df.drop('feature_variable_name', axis=1)
axis 选择 0 表示行，选择表示列。
(12)将目标类型转换为浮点型
pd.to_numeric(df["feature_name"], errors='coerce')
将目标类型转化为数值从而进一步执行计算，在这个案例中为字符串。
(13)将 DataFrame 转换为 NumPy 数组
df.as_matrix()
(14)取 DataFrame 的前面「n」行
df.head(n)
(15)通过特征名取数据
df.loc[feature_name]
DataFrame 操作
(16)对 DataFrame 使用函数
该函数将令 DataFrame 中「height」行的所有值乘上 2：
df["height"].apply(*lambda* height: 2 * height)
或：
def multiply(x):
return x * 2
df["height"].apply(multiply)
(17)重命名行
下面代码会重命名 DataFrame 的第三行为「size」：
df.rename(columns = {df.columns[2]:'size'}, inplace=True)
(18)取某一行的唯一实体
下面代码将取「name」行的唯一实体：
df["name"].unique()
(19)访问子 DataFrame
以下代码将从 DataFrame 中抽取选定了的行「name」和「size」：
new_df = df[["name", "size"]]
(20)总结数据信息
# Sum of values in a data frame
df.sum()
# Lowest value of a data frame
df.min()
# Highest value
df.max()
# Index of the lowest value
df.idxmin()
# Index of the highest value
df.idxmax()
# Statistical summary of the data frame, with quartiles, median, etc.
df.describe()
# Average values
df.mean()
# Median values
df.median()
# Correlation between columns
df.corr()
# To get these values for only one column, just select it like this#
df["size"].median()
(21)给数据排序
df.sort_values(ascending = False)
(22)布尔型索引
以下代码将过滤名为「size」的行，并仅显示值等于 5 的行：
df[df["size"] == 5]
(23)选定特定的值
以下代码将选定「size」列、第一行的值：
df.loc([0], ['size'])
