导入pandas

import pandas as pd 导入pandas包并将之简写为pd

创建pandas中的DataFrame和Series

pd.DataFrame()  创建 pandas DataFrame
pd.Series()     创建 pandas Series

数据选择

df.column_name      选取数据框的某一列，生成Series格式数据，df为数据框，column_name为列名
df['column_name']   选取数据框的某一列，生成Series格式数据
df[['column_name']] 选取数据框的列，生成DataFrame格式数据
df[2:5]             使用切片选择多行
df.loc[ ]           使用行和列的标签索引选取数据
df.iloc[ ]          使用行和列的数值索引选取数据

导入csv格式数据

pd.read_csv()   在pandas中读取csv文本格式数据

观察数据框##

df.head()   查看数据框df的前几行数据
df.tail()   查看数据框df的最后几行数据
df.info()   获取数据框df的信息
df.describe()   获取数据框df的各项统计值
df.index    查看数据框df的行索引
df.columns  查看数据框df的列名
df.shape    查看数据框df的形状，行数和列数

Series数据的一些统计分析函数

se.unique() 获取Series数据中的数值种类，一般用于分类数据，这里se为Series格式数据
se.value_counts()   统计Series数据中的数值种类及其对应的数据个数
se.mean()   计算Series数据的均值
se.std()    计算Series数据的标准差
se.median() 计算Series数据的中位数
se.max()    计算Series数据的最大值
se.min()    计算Series数据的最小值
se.count()  计算Series数据的个数

pandas绘图函数

df.plot(kind='scatter', x= , y= )   绘制散点图
df.plot(kind='box') 绘制箱图
df.boxplot(by='column_name')    绘制箱图，并按 column_name 这一列的分类数值进行分组