1、数据的读取、索引和计算

导入csv文件

food_info=pd.read_csv("E:/test/pandas/food_info.csv")

查看其数据类型

查看每一列数据类型

print(food_info.dtypes)

查看数据等简单方法

food_info.head()　　food_info.tail()　　food_info.columns　　food_info.index  　　

food_info.loc[0:3]

food_info.["列名"]

查询83条数据某列得值

简单计算方法

div_1000=food_info["Iron_(mg)"]/1000

food_info["Iron_(mg)"].max() 取最大值

2、数据的预处理

food_info.sort_values("Sodium_(mg)",inplace=True,ascending=False) 

 参数说明：

axis：0按照行名排序；1按照列名排序
level：默认None，否则按照给定的level顺序排列---貌似并不是，文档
ascending：默认True升序排列；False降序排列
inplace：默认False，否则排序之后的数据直接替换原来的数据框
kind：默认quicksort，排序的方法
na_position：缺失值默认排在最后{"first","last"}
by：按照那一列数据进行排序，但是by参数貌似不建议使用

判断是否为空，是则为True反之为False

求均值

列：求不同仓位均价Pclass代表仓位

 数据透视表

 删除含有空值数据

自定义函数引用apply

可以根据新加的年龄段用数据透视表展示获救概率

3、Series结构

取单个列并组合

 按电影名称排序

ori_index=series_custom.index.tolist()
sorted_index=sorted(ori_index)
sorted_by_index=series_custom.reindex(sorted_index)

#将电影名作为index
fandango_test=pd.read_csv("E:/test/pandas/fandango_score_comparison.csv") #电影评分
fandango_test=fandango_test.set_index(‘FILM‘, drop=False)
fandango_test.head()

#找出float列数据

type=fandango_test.dtypes
float_columns=type[type.values == ‘float64‘].index #找出float列数据
float_df = fandango_test[float_columns]
rt_mt_user=float_df[[‘RT_user_norm‘,‘Metacritic_user_nom‘]]
rt_mt_user.apply(lambda x: np.std(x), axis=1)#求标准差

初始pandas

原文：https://www.cnblogs.com/kb666666/p/12034107.html