import pandas as pd;
import numpy as np;
import matplotlib.pyplot as plt;
dates= pd.date_range(‘20130101‘,periods=6)
df=pd.DataFrame({‘A‘:1,
                 ‘B‘:pd.Timestamp(‘20130102‘),
                 ‘C‘:pd.Series(1,index=list(range(4)),dtype=‘float32‘),
                 ‘D‘:np.array([3]*4,dtype=‘int32‘),
                 ‘E‘:pd.Categorical(["test","train","test","train"]),
                 ‘F‘:‘foo‘})
df=pd.DataFrame(np.random.randn(6,4),index=dates,columns=list(‘ABCD‘)) #6行4列           
"""            A         B         C         D
2013-01-01 -1.107551  0.195271 -1.230686 -0.484630
2013-01-02  0.865845 -1.511340 -1.534180  2.054369
2013-01-03  0.904075 -0.336863 -0.718355  0.124269
2013-01-04  0.508006 -0.375838 -1.626099  0.834180
2013-01-05  0.577990  1.005768 -1.883421 -0.460858
2013-01-06 -0.750353 -1.296683 -0.627696 -1.204832
"""
df.head(6);
df.index
df.columns
df.values
df.describe()
df.T
help(pd.DataFrame.sort_index)
df.sort_index(axis=1,ascending=False)#axis=0是按行序号排序，1位按列序号排序
df.sort(columns=‘B‘)
df[0:3]#单独按行或者按列，返回数据框,[0:3]是第0行到第2行，不包括第3行！
df.loc[dates[0],:]#多轴选择，按字段名
df.iloc[0,:]#多轴选择，按索引序号
df.at[dates[0],‘A‘]#单独选择一个值，按字段名
df.iat[0,0]#单独选择一个值，按索引序号
df[df.A>0]
df[df>0]
df2=df.copy()#深拷贝
df2[‘E‘]=[‘one‘,‘one‘,‘two‘,‘three‘,‘four‘,‘three‘]
df2.loc[dates[0],‘E‘]=‘124‘
df2[df2[‘E‘].isin([‘124‘,‘three‘])]
s1=pd.Series([1,2,3,4,5,6],index=pd.date_range(‘20130102‘,periods=6))
df[‘F‘]=s1
df.loc[:,‘D‘]=np.array([5]*len(df))
df2=df2.loc[:,[‘A‘,‘B‘,‘C‘,‘D‘]]
df2[df2>0]= -df2
df1=df.reindex(index=dates[0:4],columns=list(df.columns)+[‘E‘])
df1.loc[dates[0]:dates[1],‘E‘]=1
df1.dropna(how=‘any‘)#去掉包含缺失值的行
df1.fillna(value=5)
pd.isnull(df1)
df.mean(1)#代表按行平均
s=pd.Series([1,3,5,np.nan,6,8],index=dates).shift(2)#向下偏倚2个单位
df.apply(np.cumsum)#列累加
df.apply(lambda x: x.max()-x.min())#列最大最小相减
s=pd.Series(np.random.randint(0,7,size=10))#取值范围[最小值，最大值]的整型个数
s.value_counts()#统计词频，和R中的table一样
s=pd.Series([‘A‘,‘B‘,‘C‘,‘Aaba‘,‘Baca‘,np.nan,‘caba‘,‘dog‘,‘cat‘])
s.str.lower()#小写输出，原s未变
pieces=[df[:2],df[2:4],df[4:]]
pd.concat(pieces)#连接
left=pd.DataFrame({‘key‘:[‘foo‘,‘foo‘],‘lval‘:[1,2]})
right=pd.DataFrame({‘key‘:[‘foo‘,‘foo‘],‘rval‘:[4,5]})
pd.merge(left,right,on=‘key‘)#全连接
df=pd.DataFrame(np.random.randn(8,4),columns=[‘A‘,‘B‘,‘C‘,‘D‘])
s=df.iloc[3]
df.append(s,ignore_index=True)#尾部添加一行
df.groupby([‘D‘,‘F‘]).sum()#SQL里的分组聚合
#R语言的reshape
tuples=list(zip(*[[‘bar‘,‘bar‘,‘baz‘,‘baz‘,
                 ‘foo‘,‘foo‘,‘qux‘,‘qux‘],
                 [‘one‘,‘two‘,‘one‘,‘two‘,
                  ‘one‘,‘two‘,‘one‘,‘two‘]]))#返回一系列元组，每个对应组的第i个
index=pd.MultiIndex.from_tuples(tuples,names=[‘first‘,‘second‘])
df2=pd.DataFrame(np.random.randn(8,2),index=index,columns=[‘A‘,‘B‘])
stacked=df2.stack()#宽变长
stacked.unstack(0)#长变宽,把第0列变宽
df[‘A1‘]=[‘one‘,‘one‘,‘one‘,‘two‘,‘two‘,‘two‘]
df[‘A2‘]=[‘first‘,‘first‘,‘second‘,‘first‘,‘third‘,‘first‘]
df[‘A3‘]=[‘hee‘,‘hee‘,‘sec‘,‘sec‘,‘sec‘,‘hee‘]
pd.pivot_table(df,values=‘A‘,index=[‘A2‘,‘A3‘],columns=[‘A1‘])#透视表，
#时间
rng=pd.date_range(‘1/1/2012‘,periods=100,freq=‘S‘)#精确到秒
ts=pd.Series(np.random.randint(0,500,len(rng)),index=rng)
ts.resample(‘5Min‘,how=‘sum‘)#重采样
rng=pd.date_range(‘3/6/2012‘,periods=5,freq=‘D‘)
ts=pd.Series(np.random.randn(len(rng)),rng)
ts_utc=ts.tz_localize(‘UTC‘)#时区
ts_utc.tz_convert(‘US/Eastern‘)#时区转换
rng=pd.date_range(‘3/6/2012‘,periods=5,freq=‘M‘)
ts=pd.Series(np.random.randn(len(rng)),rng)
ps=ts.to_period()#?时间跨度转换
ps.to_timestamp()#?全部转换为1号的
prng=pd.period_range(‘1990Q1‘,‘2000Q4‘,freq=‘Q-NOV‘)
ts=pd.Series(np.random.randn(len(prng)),prng)
ts.index=(prng.asfreq(‘M‘,‘e‘)+1).asfreq(‘H‘,‘s‘)+9#!!!!
df=pd.DataFrame({"id":[1,2,3,4,5,6],"raw_grade":[‘a‘,‘b‘,‘b‘,‘a‘,‘a‘,‘e‘]})
df["grade"]=df["raw_grade"].astype("category")#类似R里面的factor因子
df.dtypes
df["grade"].cat.categories=["very good","good","very bad"]#因子等级名称换了,cat是Categorical的缩写?或者是返回？
df["grade"]=df["grade"].cat.set_categories(["very bad","bad","medium","good","very good"])
#因子等级排序，pd.Categorical.set_categories
df.groupby("grade").size()
ts=pd.Series(np.random.randn(1000),index=pd.date_range(‘1/1/2000‘,periods=1000))
ts=ts.cumsum()
ts.plot(grid=True)#grid添加网格参数
df=pd.DataFrame(np.random.randn(1000,4),index=ts.index,columns=[‘A‘,‘B‘,‘C‘,‘D‘])
df=df.cumsum()
plt.figure();#？啥作用
df.plot();
plt.legend(loc=‘best‘)#没图？
df.to_csv(‘test.csv‘)#写入df
pd.read_csv(‘test.csv‘)#读文件"test.csv"