十分钟入门Pandas

通常这样导入依赖包

 import pandas as pd
 import numpy as np
 import matplotlib.pyplot as plt

创建对象

可以参考官方文档 http://pandas.pydata.org/pandas-docs/version/0.19.2/10min.html
通过传入一个列表建一个序列，默认索引为整数

>>> s = pd.Series([1, 2, 3, np.nan, 5, 6])
>>> s
 0    1.0
 1    2.0
 2    3.0
 3    NaN
 4    5.0
 5    6.0
 dtype: float64

其中：NAN（NOt a Number) 表示不存在

通过numpy创建一个数组，并且用datetime作为索引和标记列名，创建一个DataFrame

其中pd.date_range('20130101', periods=6)创建了一个时间序列，periods=6表示有6个值，freq='D'表时时间序列按天跨度，也可以指定为w(周）、M(月)等。
df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))创建了一个DataFrame，第一个参数表示要填充的数据，第二个参数表示行索引，第三个参数表示列标签，它们的大小要匹配。

使用一个可以转换成类序列的字典对象创建一个DataFrame

其中字典的每个key作为列标签，该key对应的value为该列的数据，行索引默认创建

查看数据

head()和tail()

可以使用head()和tail()查看一个DataFrame和Series对象的数据，head()表示从头查起，tail()表示从尾部，默认只查看五项元素，可以自定义。
Series对象：

DataFrame对象：

显示索引、行标和数据

分别使用index、columns和values属性访问

desctibe()

快速显示数据的汇总统计

转置

通过坐标轴排序

其中的sort_index()表示对行索引或者列标签进行排序，axis=1表示对行标签进行排序，axis=0表示对列索引进行排序，ascending=False表示按降序排列

通过数据排序

sort_values()表示对数据进行排序，by='B'表示按照列标签的B进行排序，该关键字不可以传入列索引。

选择

虽然通过标准的python表达方法可以选取和设置元素，但是建议使用pandas的数据获取方式，即使用.at, .iat, .loc, .iloc和 .ix方法。

选取单行

选取单行数据，该方法得到一个Series，可以等价于使用df.A

通过[ ]选择

该方式将数据表进行按列切片，可以选择按列索引和列序号的方式切

通过标签选择

使用.loc获得交叉部分的数据

>>> df.loc[dates[0]:dates[3],'A']
2013-01-01 -1.863928
2013-01-02 2.693466
2013-01-03 0.271626
2013-01-04 2.202905
Freq: D, Name: A, dtype: float64
其中datas就表示表中的数据，[0]表示按行取，也可以通过加列标签取出部分数据，如下：