python下的Pandas中DataFrame基本操作（一），基本函数整理

pandas作者Wes McKinney 在【PYTHON FOR DATA ANALYSIS】中对pandas的方方面面都有了一个权威简明的入门级的介绍，谈到pandas数据的行更新、表合并等操作，一般用到的方法有concat、join、merge。但这三种方法对于很多新手来说，都不太好分清使用的场合与用途。

构造函数

方法	描述
DataFrame([data, index, columns, dtype, copy])	构造数据框

属性和数据

方法	描述
Axes	index: row labels；columns: column labels
DataFrame.as_matrix([columns])	转换为矩阵
DataFrame.dtypes	返回数据的类型
DataFrame.ftypes	Return the ftypes (indication of sparse/dense and dtype) in this object.
DataFrame.get_dtype_counts()	返回数据框数据类型的个数
DataFrame.get_ftype_counts()	Return the counts of ftypes in this object.
DataFrame.select_dtypes([include, exclude])	根据数据类型选取子数据框
DataFrame.values	Numpy的展示方式
DataFrame.axes	返回横纵坐标的标签名
DataFrame.ndim	返回数据框的纬度
DataFrame.size	返回数据框元素的个数
DataFrame.shape	返回数据框的形状
DataFrame.memory_usage([index, deep])	Memory usage of DataFrame columns.

类型转换

方法	描述
DataFrame.astype(dtype[, copy, errors])	转换数据类型
DataFrame.copy([deep])	复制数据框
DataFrame.isnull()	以布尔的方式返回空值
DataFrame.notnull()	以布尔的方式返回非空值

索引和迭代

方法	描述
DataFrame.head([n])	返回前n行数据
DataFrame.at	快速标签常量访问器
DataFrame.iat	快速整型常量访问器
DataFrame.loc	标签定位
DataFrame.iloc	整型定位
DataFrame.insert(loc, column, value[, …])	在特殊地点插入行
DataFrame.iter()	Iterate over infor axis
DataFrame.iteritems()	返回列名和序列的迭代器
DataFrame.iterrows()	返回索引和序列的迭代器
DataFrame.itertuples([index, name])	Iterate over DataFrame rows as namedtuples, with index value as first element of the tuple.
DataFrame.lookup(row_labels, col_labels)	Label-based “fancy indexing” function for DataFrame.
DataFrame.pop(item)	返回删除的项目
DataFrame.tail([n])	返回最后n行
DataFrame.xs(key[, axis, level, drop_level])	Returns a cross-section (row(s) or column(s)) from the Series/DataFrame.
DataFrame.isin(values)	是否包含数据框中的元素
DataFrame.where(cond[, other, inplace, …])	条件筛选
DataFrame.mask(cond[, other, inplace, axis, …])	Return an object of same shape as self and whose corresponding entries are from self where cond is False and otherwise are from other.
DataFrame.query(expr[, inplace])	Query the columns of a frame with a boolean expression.

二元运算

方法	描述
DataFrame.add(other[, axis, level, fill_value])	加法，元素指向
DataFrame.sub(other[, axis, level, fill_value])	减法，元素指向
DataFrame.mul(other[, axis, level, fill_value])	乘法，元素指向
DataFrame.div(other[, axis, level, fill_value])	小数除法，元素指向
DataFrame.truediv(other[, axis, level, …])	真除法，元素指向
DataFrame.floordiv(other[, axis, level, …])	向下取整除法，元素指向
DataFrame.mod(other[, axis, level, fill_value])	模运算，元素指向
DataFrame.pow(other[, axis, level, fill_value])	幂运算，元素指向
DataFrame.radd(other[, axis, level, fill_value])	右侧加法，元素指向
DataFrame.rsub(other[, axis, level, fill_value])	右侧减法，元素指向
DataFrame.rmul(other[, axis, level, fill_value])	右侧乘法，元素指向
DataFrame.rdiv(other[, axis, l