pandas数据统计

1.造表DataFrame

#造表头
import pandas as pd
df=pd.DataFrame()
cols_name=[ "id", "x", "y" ]

#插入一行
record=[ id, x, y ]
ser_record=dict( (k,v) for k,v in zip(cols_name, record) )
df=df.append( pd.Series(ser_record), ignore_index=True)

2.表的选择select

注意多个条件（与：&、或：|）

df=df.ix[ (df.name.notnull()) & (df.num<20) , : ]

3.取行列

a=df.iloc[:, [2,3] ] #取第3，4列组成的子表
a=df.ix[:, ["name","time"]] #或者这样

4.取表的单独一个属性列，并且转换为一个list

x=map( lambda a: a, df["x"] )

5.聚合操作group by

df_group=df.groupby("time") #df_group是一个DataFrameGroupBy对象
df_dict=dict(list(df_group)) #转化
for key in df_dict:
    df2=df_dict[key]

6.两个表连接

C=pd.merge(A,B, left_on='Aid', right_on='Bid', how='inner')

7.改变一个列的值的类型

df['time']=df['time'].astype(int)

8.排序，根据某一列排序

df=df.sort_values(by='time')

9.删除行

df.drop( [22,33], axis=0) #22,33是行的index； axis=0表示删除的是行，是横轴

#1.清洗数据。一次性删除
df=df.drop(delete_index_list)   

10.根据一列生成另外一列

df['timesection']=map( lambda x: 1 if (x/100>=9) else (2 if (x%100>==5) else 3), df['time'])11

11.dataframe遍历

一般方法：

for iter_index in df.index:
    time=df.loc[iter_index, 'time']
    do_some_thing_with_time(time)
    df.loc[ iter_index, 'time']=time

这个程序是一个网友的程序，他想让do_some_thing_with_time(time)找出DataFrame中time相同的行，给这些time加上后缀，使得DataFrame的每一行time都不同。也就是说需要遍历，然后再修改DataFrame。但是这样会很慢很慢。

另一个网友有另外一个方法：使用Series.apply函数来调用do_some_thing_with_time()，自然就得到了一个新的处理time列

df.time2=df.time.apply( do_some_thing_with_time )

12.apply, applymap, map函数

apply, applymap, map
apply是作用在dataframe上，用于对row或者column进行计算
applymap是作用在dataframe上，是元素级别的操作，
map是作用在Series上，是元素级别的操作

print frame.apply(lambda x:x.max()-x.min()) #默认是应用在每一列上
print frame.apply(lambda x:x.max()-x.min(), axis=0) #应用在每一行上
print frame.applymap( lambda x: '%.2f' % x )

13.打乱dataframe

将一个dataframe对象打乱，并且重新生成索引。打乱行

train_set=train_set.sample(frac=1.0)    #打乱
train_set=train_set.reset_index(drop=True)

14去除重复的

df=df.drop_duplicates()

15. pandas读写文件

df=pd.read_csv(filename,encoding="utf-8")  #读取csv文件
df=pd.read_table(filename,delim_whitespace=True,encoding="utf-8") #读取以空格分隔的一般文本文件
df.to_csv(outputfile,index=False,encoding="utf-8") #将数据写入文件