ex_6450的博客

frame.plot(kind=‘barh’,stacked=True)#柱状图barh是水平方向制作。frame.plot(kind=‘bar’,stacked=True)#stacked设置重叠区域。stacked是否堆积，在折线图和柱状图中默认为False，在区域图中默认为True。x和y表示标签或者位置，用来指定显示的索引，默认为None。subplots是否对列分别作子图，默认False。kind表示绘图的类型，默认为line，折线图。Kernel概率密度线。......

如果要对全DataFrame或者是Series数据集中的数据进行某种替换，map()可能需要对数据集中的每个列都进行map()操作才可以，但是replace方法可以一次性替换掉DataFrame或者是Series中所有的数据。drop_duplicates返回的是DataFrame，输出的是去除了重复行的新对象，默认保留按照顺序下来第一个遇到的序列。对象.rename(index={‘原索引’‘重命名索引’}，columns={‘原索引’‘重命名索引’})...

在数据分析中，缺失数据是经常发生的事，pandas的目标之一就是尽量简单处理缺失数据。1.缺失数据的虑除。

SQLAlchemy项目是一个流行的PythonSQL工具，它抽象出了SQL数据库中的许多常见差异。数据库的选择通常取决于性能、数据完整性以及应用程序的伸缩性需求。虽然可以用PyTables或h5py库直接访问HDF5文件，pandas提供了更为高级的接口，可以简化存储Series和DataFrame对象。实现数据的高效二进制格式存储最简单的办法之一是使用Python内置的pickle序列化。将数据从SQL加载到DataFrame的过程很简单，此外pandas还有一些能够简化该过程的函数。...

data.to_csv(sys.stdout,index=False,columns=[‘a’,‘b’,‘c’],na_rep=‘NULL’)#输出部分列并且可以按照自己规定的顺序。pd.read_csv(‘examples/ex2.csv’,names=[‘a’,‘b’,‘c’,‘d’,‘names’])#自己定义列名names=[‘’]pd.read_table(‘examples/ex1.csv’,sep=‘,’)#用read_table并指定分隔符(sep)......

在对象进行算术运算时出现索引不重叠返回的都是NAN值，若不想要以NaN值输出而引入fill_value参数(frame.方法(frame1,fill_value=xx))如果索引对应多个值则输出一个Series(DataFrame)，索引单个值则输出一个标量。3.arange()是Numpy中的函数，range()则是python自带函数，它们主要区别是arange支持。5.Index.get_indexer方法是给你一个索引数组，从可能包含重复值的数组到另一个不同值的数组。......

DataFrame是一个表格型的数据结构，含有一组有序的列，每列的值类型可以不同（数值、char、bool等）。不仅有行索引还有列索引，可以看作由Series组成地字典。数据是由一个或多个二维块存放的，不是列表、字典或别的一维数据结构。index和columns行索引和列索引（格式为[‘x1’,‘x2’]）copy是从input输入中拷贝数据（默认是false，不拷贝）。date表示传入的数据。dtype为列的类型。......