import pandas as pd
import numpy as np
pandas 有两个主要的数据结构：Series 和 DataFrame；
Series 是一个一维数组对象 ，它包含一组索引和一组数据，可以把它理解为一组带索引的数组。
DataFrame 是一个表格型的数据结构。它提供有序的列和不同类型的列值。
df：Pandas DataFrame对象
s： Pandas Series对象
数据导入：
pd.read_csv(filename):从csv文件中导入数据;
pd.read_table(filename):从限定分隔符的文本文件导入数据；
pd.read_excel(filename):从Excel文件导入数据；
pd.read_sql(query,connection_object):从SQL表/库中导入数据；
pd.read_json(json_string):从JSON格式的字符串导入数据；
pd.read_html(url):解析URLL，字符串或者HTML文件；
pd.read_clipboard():从粘贴板获取内容；
pd.DataFrame(dict):从字典对象导入数据；
数据导出：
df.to_csv(filename):导出数据到CSV文件；
df.excel(filename):导出数据到EXCEl文件；
df.to_sql(table_nname,connection_object):导出数据到SQL表；
df.json(filename):以json格式导出数据到文本文件；
创建对象：
pd.DataFrame(np.random.rand(20,5)):创建20行5列的随即数组成的DataFrame对象；
pd.Series(my_list):从可迭代对象my_list创建一个Series对象；
df.index = pd.date_range(‘1900/1/30‘,periods=df.shape[0]):增加一个日期索引；
index和reindex联合使用很有用处，index可作为索引并且元素乱排序之后，所以跟着元素保持不变，因此，当重排元素时，只需要对index进行才重排即可:reindex。
数据查看：
df.info()：查看索引、数据类型和内存信息;
df.tail():查看DataFrame对象的最后n行；
df.shape():查看行数和列数；
df.head():查看DataFrame对象的前n行；
df.describe():查看数值型列的汇总统计;
s.value_counts(dropna=False):查看Series对象的唯一值和计数；
df.apply(pd.Seices.value_counts):查看DataFrame对象中每一列的唯一值和计数；
数据选取：
df[col]：根据列名，并以Series的形式返回列；
df[[col1, col2]]：以DataFrame形式返回多列；
s.iloc[0]：按位置选取数据；
s.loc[‘index_one‘]：按索引选取数据；
df.iloc[0,:]：返回第一行；
数据清洗：
df.columns = [‘a‘,‘b‘,‘c‘]：重命名列名
pd.isnull()：检查DataFrame对象中的空值，并返回一个Boolean数组；
pd.notnull()：检查DataFrame对象中的非空值，并返回一个Boolean数组
df.dropna()：删除所有包含空值的行；
df.fillna(x)：用x替换DataFrame对象中所有的空值；
s.astype(float)：将Series中的数据类型更改为float类型；
s.replace(1,‘one‘)：用‘one’代替所有等于1的值
df.rename(columns=lambda x: x + 1)：批量更改列名；
df.set_index(‘column_one‘)：更改索引列；
数据处理：
df[df[col] > 0.5]：选择col列的值大于0.5的行；
df.sort_values(col1)：按照列col1排序数据，默认升序排列；
df.groupby(col)：返回一个按列col进行分组的Groupby对象；
df.groupby(col1).agg(np.mean)：返回按列col1分组的所有列的均值；
df.pivot_table(index=col1, values=[col2,col3], aggfunc=max)：创建一个按列col1进行分组，并计算col2和col3的最大值的数据透视表；
data.apply(np.mean)：对DataFrame中的每一列应用函数np.mean
数据合并：
df1.append(df2)：将df2中的行添加到df1的尾部
df.concat([df1, df2],axis=1)：将df2中的列添加到df1的尾部
df1.join(df2,on=col1,how=‘inner‘)：对df1的列和df2的列执行SQL形式的join
数据统计：
df.describe()：查看数据值列的汇总统计；
df.mean()：返回所有列的均值
df.corr()：返回列与列之间的相关系数；
df.count()：返回每一列中的非空值的个数；
df.max()：返回每一列的最大值
df.min()：返回每一列的最小值；
df.median()：返回每一列的中位数；
df.std()：返回每一列的标准
Pandas支持的数据类型：
int 整型
float 浮点型
bool 布尔类型
object 字符串类型
category 种类
datetime 时间类型
其他：
df.astypes: 数据格式转换
df.value_counts:相同数值的个数统计
df.hist(): 画直方图
df.get_dummies: one-hot编码，将类型格式的属性转换成矩阵型的属性。比如：三种颜色RGB，红色编码为[1 0 0]；
后面会继续更新；
原文地址：https://www.cnblogs.com/songorz/p/10034176.html