import pandas as pd
import numpy as np
pandas 有兩個主要的數據結構：Series 和 DataFrame；
Series 是一個一維數組對象 ，它包含一組索引和一組數據，可以把它理解為一組帶索引的數組。
DataFrame 是一個表格型的數據結構。它提供有序的列和不同類型的列值。
df：Pandas DataFrame對象
s： Pandas Series對象
數據導入：
pd.read_csv(filename):從csv文件中導入數據;
pd.read_table(filename):從限定分隔符的文本文件導入數據；
pd.read_excel(filename):從Excel文件導入數據；
pd.read_sql(query,connection_object):從SQL表/庫中導入數據；
pd.read_json(json_string):從JSON格式的字符串導入數據；
pd.read_html(url):解析URLL，字符串或者HTML文件；
pd.read_clipboard():從粘貼板獲取內容；
pd.DataFrame(dict):從字典對象導入數據；
數據導出：
df.to_csv(filename):導出數據到CSV文件；
df.excel(filename):導出數據到EXCEl文件；
df.to_sql(table_nname,connection_object):導出數據到SQL表；
df.json(filename):以json格式導出數據到文本文件；
創建對象：
pd.DataFrame(np.random.rand(20,5)):創建20行5列的隨即數組成的DataFrame對象；
pd.Series(my_list):從可迭代對象my_list創建一個Series對象；
df.index = pd.date_range('1900/1/30',periods=df.shape[0]):增加一個日期索引；
index和reindex聯合使用很有用處，index可作為索引並且元素亂排序之后，所以跟着元素保持不變，因此，當重排元素時，只需要對index進行才重排即可:reindex。
數據查看：
df.info()：查看索引、數據類型和內存信息;
df.tail():查看DataFrame對象的最后n行；
df.shape():查看行數和列數；
df.head():查看DataFrame對象的前n行；
df.describe():查看數值型列的匯總統計;
s.value_counts(dropna=False):查看Series對象的唯一值和計數；
df.apply(pd.Seices.value_counts):查看DataFrame對象中每一列的唯一值和計數；
數據選取：
df[col]：根據列名，並以Series的形式返回列；
df[[col1, col2]]：以DataFrame形式返回多列；
s.iloc[0]：按位置選取數據；
s.loc['index_one']：按索引選取數據；
df.iloc[0,:]：返回第一行；
數據清洗：
df.columns = ['a','b','c']：重命名列名
pd.isnull()：檢查DataFrame對象中的空值，並返回一個Boolean數組；
pd.notnull()：檢查DataFrame對象中的非空值，並返回一個Boolean數組
df.dropna()：刪除所有包含空值的行；
df.fillna(x)：用x替換DataFrame對象中所有的空值；
s.astype(float)：將Series中的數據類型更改為float類型；
s.replace(1,'one')：用‘one’代替所有等於1的值
df.rename(columns=lambda x: x + 1)：批量更改列名；
df.set_index('column_one')：更改索引列；
數據處理：
df[df[col] > 0.5]：選擇col列的值大於0.5的行；
df.sort_values(col1)：按照列col1排序數據，默認升序排列；
df.groupby(col)：返回一個按列col進行分組的Groupby對象；
df.groupby(col1).agg(np.mean)：返回按列col1分組的所有列的均值；
df.pivot_table(index=col1, values=[col2,col3], aggfunc=max)：創建一個按列col1進行分組，並計算col2和col3的最大值的數據透視表；
data.apply(np.mean)：對DataFrame中的每一列應用函數np.mean
數據合並：
df1.append(df2)：將df2中的行添加到df1的尾部
df.concat([df1, df2],axis=1)：將df2中的列添加到df1的尾部
df1.join(df2,on=col1,how='inner')：對df1的列和df2的列執行SQL形式的join
數據統計：
df.describe()：查看數據值列的匯總統計；
df.mean()：返回所有列的均值
df.corr()：返回列與列之間的相關系數；
df.count()：返回每一列中的非空值的個數；
df.max()：返回每一列的最大值
df.min()：返回每一列的最小值；
df.median()：返回每一列的中位數；
df.std()：返回每一列的標准
Pandas支持的數據類型：
int 整型
float 浮點型
bool 布爾類型
object 字符串類型
category 種類
datetime 時間類型
其他：
df.astypes: 數據格式轉換
df.value_counts:相同數值的個數統計
df.hist(): 畫直方圖
df.get_dummies: one-hot編碼，將類型格式的屬性轉換成矩陣型的屬性。比如：三種顏色RGB，紅色編碼為[1 0 0]；
后面會繼續更新；