做數據挖掘三年多了，數據處理用的最順手的莫過於python中pandas庫了，幾乎每天都在使用，但是有太多強大的函數和方法都經常一到擼代碼的時候就忘記了，所以，根據以前使用的經驗，把一些常用的記錄下來，方便使用的時候查閱。

Pandas是一個開源的Python數據分析庫。

Pandas把結構化數據分為了三類：

Series，1維序列，可視作為沒有column名的、只有一個column的DataFrame；

DataFrame，同Spark SQL中的DataFrame一樣，其概念來自於R語言，為多column並schema化的2維結構化數據，可視作為Series的容器（container）；

Panel，為3維的結構化數據，可視作為DataFrame的容器

Series

可以通過傳遞一個list對象來創建一個Series，pandas會默認創建整型索引

DataFrame表示的是一個二維數組

讀取數據文件

pandas庫提供了一系列的read_函數來讀取各種格式的文件，它們如下所示：

read_csv

read_table

read_excel 注：要讀取Excel文件，還需要安裝另外一個庫：xlrd 這樣安裝pip install xlrd

read_hdf

read_html

read_json

read_pickle

read_sql

數據查看

數據排序

數據篩選

根據布爾值來篩選數據

使用與、或、非三個條件配合大於、小於、等於對數據進行篩選，並進行計數和求和。

1、使用"與"進行篩選

2、使用"或"進行篩選

3、使用"非"條件進行篩選

4、使用query函數進行篩選

Pandas描述性統計

有很多方法用來集體計算DataFrame的描述性統計信息和其他相關操作。

數據整理

數據合併

1) concat

2) merge

函數應用

分組聚合

透視表

數據輸出

目前用過的就以上這麼多，如果還有其他更強大的功能，歡迎小夥伴留言