python之pandas使用：数据的选择

基础知识

list列表[]

常用知识：del list[1] 删除第二个数； list[1] = value，更改第二个数的值

list内置函数

1cmp(list1, list2)
比较两个列表的元素2len(list)
列表元素个数3max(list)
返回列表元素最大值4min(list)
返回列表元素最小值5list(seq)
将元组转换为列表

序号方法1list.append(obj)
在列表末尾添加新的对象2list.count(obj)
统计某个元素在列表中出现的次数3list.extend(seq)
在列表末尾一次性追加另一个序列中的多个值（用新列表扩展原来的列表）4list.index(obj)
从列表中找出某个值第一个匹配项的索引位置5list.insert(index, obj)
将对象插入列表6list.pop(obj=list[-1])
移除列表中的一个元素（默认最后一个元素），并且返回该元素的值7list.remove(obj)
移除列表中某个值的第一个匹配项8list.reverse()
反向列表中元素9list.sort([func])
对原列表进行排序

元组(),与列表相似，内容不可修改

dictionary字典{}包含{index：value，index1：value}

array有点像list，但只能存储同一种数据，占用内存少，同时长这样L（[[1,2,3],[1,2,3],[1,2,3],[1,2,3],[1,2,3]]）类似list外面加了一个（）查看一个数为L[1][1]第二行第二列

L = np.array([1,2,3,4,5,6])可以通过A=L.reshape（（2.，3））将A变为2行3列的矩阵，其本身不变。

L[1,3]第二行第四列，和

导入文件

data =  pd.read_csv('文件名')不能含有中文

data =  pd.read_excel('文件名')

创建DataFrame数据

data = pd.DataFrame(np.random.randn(3,4))

数据的选择

1.数据抓取

DataFrame行的选取不能通过index来选取，只能通过切片或是布尔值，而列可以。要想像数组一样选取行列，要使用.ix，如：data.ix[['a','b'],['one','two']]

一下操作都不是必须的

有 at loc iloc（同操作array一般） iat前两项只能通过输入index和column来选取，后两项方便的多。除这些外还有直接如真般的df[1:2]不过只能操作行，且不1能是单行。

如：df.loc[df[0],'columns1'

1

2

3

4

5

df.iloc[3]#选取第3行

df.iloc[2:4]#选取第2到第3行

df.iloc[0,1]#选取第0行1列的元素

dat.iloc[:2, :3]#选取第0行到第1行，第0列到第2列区域内的元素

df1.iloc[[1,3,5],[1,3]]#选取第1，3，5行，第1，3列区域内的元素

提取某个数字df.iloc[1,2]

提取某个数字时，使用df.iat[1,2]更好

2.数据筛选

数据的导出

dataframe可以使用to_csv方法方便地导出到csv文件中，如果数据中含有中文，一般encoding指定为”utf-8″,否则导出时程序会因为不能识别相应的字符串而抛出异常，index指定为False表示不用导出dataframe的index数据。

1

df.to_csv(file_path, encoding='utf-8', index=False)