舉例：用pandas創(chuàng)建數(shù)據(jù)表：

df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006], 
 "date":pd.date_range('20130102', periods=6),
  "city":['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '],
 "age":[23,44,54,32,34,32],
 "category":['100-A','100-B','110-A','110-C','210-A','130-F'],
  "price":[1200,np.nan,2133,5433,np.nan,4432]},
  columns =['id','date','city','category','age','price'])

二、DataFrame常見方法

舉例：重新索引

df_inner.reset_index()

三、數(shù)據(jù)索引

舉例：按索引提取單行的數(shù)值

df_inner.loc[3]

四、DataFrame選取和重新組合數(shù)據(jù)的方法

舉例：使用iloc按位置區(qū)域提取數(shù)據(jù)

df_inner.iloc[:3,:2]

#冒號前后的數(shù)字不再是索引的標(biāo)簽名稱，而是數(shù)據(jù)所在的位置，從0開始，前三行，前兩列。

五、排序

舉例：按照索引列排序

df_inner.sort_index()

六、相關(guān)分析和統(tǒng)計分析

舉例：判斷city列的值是否為北京

df_inner['city'].isin(['beijing']) 

七、分組的方法

舉例：.groupby用法

group_by_name=salaries.groupby('name')
print(type(group_by_name))

輸出結(jié)果為：

class 'pandas.core.groupby.DataFrameGroupBy'

八、讀寫文本格式數(shù)據(jù)的方法

舉例：導(dǎo)入CSV或者xlsx文件

df = pd.DataFrame(pd.read_csv('name.csv',header=1))
df = pd.DataFrame(pd.read_excel('name.xlsx'))

九、處理缺失數(shù)據(jù)

舉例：查看數(shù)據(jù)表基本信息（維度、列名稱、數(shù)據(jù)格式等等）

df.info()

十、數(shù)據(jù)轉(zhuǎn)換

舉例：刪除后出現(xiàn)的重復(fù)值：

df['city'].drop_duplicates()

本文總結(jié)的是都是一些Pandas常用的方法，至于一些基礎(chǔ)的概念還需要你學(xué)到Pandas的時候去理解，例如Series是什么？DataFrame是什么？如果你已經(jīng)清楚了Pandas的這些基礎(chǔ)東西之后，搭配上文章中的這些方法，那你用Pandas去做數(shù)據(jù)處理和分析必然會游刃有余。