前言

Pandas基于两种数据类型：series与dataframe。

一个series是一个一维的数据类型，其中每一个元素都有一个标签。series类似于Numpy中元素带标签的数组。其中，标签可以是数字或者字符串。

一个dataframe是一个二维的表结构。Pandas的dataframe可以存储许多种不同的数据类型，并且每一个坐标轴都有自己的标签。你可以把它想象成一个series的字典项。

一、读取csv文件为dataframe

Pandas很好的一点是，可以操作表文件。输出为dataframe格式，这点很nice。 使用pandas.read_csv()读取csv文件，输出为dataframe格式数据。 这里数据data.csv数据集下载自百度地图。

检测下数据格式

二、 DataFrame数据概况

我们想知道数据如下知识：

• 展示dataframe前后几条记录
• 显示dataframe的列名字
• 查看dataframe的维度情况（几行几列）

2.1展示dataframe前后几行

2.2展示dataframe列名

三、从dataframe中取列数据

使用dataframe[column_name]，返回series格式数据。 series序列数据类似于list，你可以近似等同于list。 只不过返回数据中会多一列index索引。如下面的左侧数字序号

3.1 取一列数据

3.2取多列数据

四、从dataframe中取行数据（记录）

ix[row, col] 中括号中第一个参数row是行参数，你想选择的数据行数。 第二个参数col是列参数，选择你想要的列数据项。

4.1取一行数据

4.2取多行数据

五、取某一单元格数据

取第一行第一列。df.ix[0,0] 第三行第七列。df.ix[2,6]

六、缺失值处理

缺失值一般标记为NaN,处理办法如下

6.1按照行进行缺失值处理

七、归一化处理

数据集中，不同的列的数据可能在不同量级，如果直接进行分析。模型会认为数字大的影响力大，数字小的影响力小。 最终结果可能导致量级小的变量被剔除出模型。因此需要将数据归一化，变成同一量级的数据，这就是归一化操作。 在这里我们只对一列操作下，其余列也需要操作，但为了方便，这里只写一列的归一化处理。

这里要注意，我们会用到pandas特性，矢量化操作，也就是可以对一个列表进行批量同样的操作。

八、排序

九、索引重新

十、求平均值

10.1所有列的平均值信息

10.2 单个列的平均值

十一、矢量化操作（批量操作）

一般对如list样式的数据批量操作，需要写循环，但是这样费时费力。 pandas基于numpy，可进行矢量化操作，一行就能完成复杂的循环语句，而且运行效率还很高。

十二、透视表

围绕index参数列，分析各个col2，aggfunc是np函数，当然这里的aggfunc也可以是自定义函数。

pandas提取html中的表格数据

pandas会在网页中寻找任何符合html表形式的数据，并将其转化WieDataFrame对象作为返回结果

Code

pandas使用方法

实战代码开始

注意啊，这里得到的数据格式是list。

DataFrame对象

df.to_json()

而只要知道数据存储在DataFrame中，一切都变的简单起来。 比如我很希望数据以json记形式输出，很简单！这只是一行代码的事情。

df.to_csv()

dataframe对象，还可以将数据输出保存为csv文件