pandas方法积累

长期积累pandas的使用方法。

---

生成

• 二维ndarray 一个数据矩阵，有可选的行标和列标
• 数组，列表或元组的字典 每一个序列成为DataFrame中的一列。所有的序列必须有相同的长度。
• NumPy的结构/记录数组 和“数组字典”一样处理
• Series的字典 每一个值成为一列。如果没有明显的传递索引，将结合每一- 个Series的索引来形成结果的行索引。
• 字典的字典 每一个内部的字典成为一列。和“Series的字典”一样，结合键值来形成行索引。
• 字典或Series的列表 每一项成为DataFrame中的一列。结合字典键或Series索引形成DataFrame的列标。
• 列表或元组的列表 和“二维ndarray”一样处理
• 另一个DataFrame DataFrame的索引将被使用，除非传递另外一个
• NumPy伪装数组（MaskedArray） 除了蒙蔽值在DataFrame中成为NA/丢失数据之外，其它的和“二维ndarray”一样

---

索引

• Index 最通用的索引对象，使用Python对象的NumPy数组来表示坐标轴标签。
• Int64 Index 对整形值的特化索引。
• MultiIndex “分层”索引对象，表示单个轴的多层次的索引。可以被认为是类似的元组的数组。
• DatetimeIndex 存储纳秒时间戳（使用NumPy的datetime64 dtyppe来表示）。
• PeriodIndex 对周期数据（时间间隔的）的特化索引。

---

索引方法和属性

• append 链接额外的索引对象，产生一个新的索引
• diff 计算索引的差集
• intersection 计算交集
• union 计算并集
• isin 计算出一个布尔数组表示每一个值是否包含在所传递的集合里
• delete 计算删除位置i的元素的索引
• drop 计算删除所传递的值后的索引
• insert 计算在位置i插入元素后的索引
• is_monotonic 返回True，如果每一个元素都比它前面的元素大或相等
• is_unique 返回True，如果索引没有重复的值
• unique 计算索引的唯一值数组