python数据分析pandas包入门学习（二）基本功能
本文参考《利用Python进行数据分析》的第五章 pandas入门
2基本功能介绍操作Series和DataFrame中的数据的基本手段。重新索引reindex当调用Series的reindex将会根据新索引进行重排；当某个索引值当前不存在，就引入缺失值；fill_value可以给缺失值赋值。
method选项：
也可以使用ix()进行重新索引，比reindex更简洁：
丢弃指定轴上的项drop()
注意：利用标签切片运算与普通的Python切片运算不同，其末端是包含的：
对DataFrame进行索引就是获取一个或多个列：
通过切片或布尔型数组选取行：
通过布尔型DataFrame进行索引：
也可以通过ix从DataFrame中选取行和列的子集：
可以看到，pandas对象中的数据的选取和重排方式很多。下表简单总结了针对DataFrame数据的选取和重排方式：
对DataFrame，同时发生在行和列上：
在算术方法中填充值当索引无法配对时填充一个特殊值（如0）
如果某个索引值在DataFrame的列或Series的索引中找不到，则两个对象会被重新索引成并集，并在没有匹配的索引中插入NaN值
DataFrame列上的操作，加上axis=0：
一种常见的操作是，将函数应用到各列或行，得到一维数组，可通过apply()方法实现：
除标量外，传递给apply的函数还可以返回由多个值组成的Series：
此外，元素级的PYTHON函数可是可用的，例如你想把frame中各个浮点值的格式化字符串，可使用applymap()方法：
应用于Series时则是map()方法：
排序和排名sort_index()：对行或列索引进行排序：对于Series对于DataFrame
对于DataFrame
默认为升序，通过如下设置，可降序排序：
sort_index（by=)：根据一个或多个列中的值进行排序：
order()：Series按值排序，NaN默认被放到末尾
rank()：排名，增设一个排名值，从1开始默认情况下，并列的会分配一个平均值作为排名：
method选项：
对于DataFrame，则由axis来控制对行排名或列排名：
带有重复值的轴索引虽然许多Pandas的函数（如reindex)都要求标签唯一，但也有索引不唯一的情况：
索引的is_unique属性可以告诉你索引值是否唯一：
数据选取时，索引对应多个值，则返回一个Series；对应单个则返回一个标量：
智能推荐
注意！
本站转载的文章为个人学习借鉴使用，本站对版权不负任何法律责任。如果侵犯了您的隐私权益，请联系我们删除。