Python教程之Pandas知识点汇总——查询，索引，基本统计
白水ssl适用于网站、小程序/APP、API接口等需要进行数据传输应用场景，ssl证书未来市场广阔！成为创新互联的ssl证书销售渠道，可以享受市场价格4-6折优惠！如果有意向欢迎电话联系或者加微信：13518219792（备注：SSL证书合作）期待与您的合作！
一. 查询与索引
1.Series和一维数组的不同：
在一维数组中就无法通过索引标签(index)获取数据，index默认是从0开始，步长为1的索引，也可以自己设置索引标签。
2.若有两个序列，对其进行算术运算，这时索引就体现了价值——自动化对齐
由于s5、s6中存在非对应索引，故结果存在NaN。这里的运算过程就应用了序列索引的自动对齐。对于DataFrame不仅自动对齐行，也会自动对齐列（columns_name）。
3.DataFrame索引
DataFrame数据：
查询指定行：
print(student.loc[[0,2,4,5,7]]) #这里的loc索引标签函数必须是中括号[ ]
查询指定列：
print(student[‘Height’].head()) #只查询一列
print(student[[‘Name’,‘Height’,‘Weight’]].head()) #如果多个列的话，必须使用双重中括号[]
print(student.loc[:,[‘Name’,‘Height’,‘Weight’]].head())
按条件查询：student[(条件1) & (条件2)]
eg1: 查询12岁以上的女生信息
print(student[(student['Sex'] == 'F') & (student['Age'] > 12)])
eg2:查询出12岁以上的女生的姓名、身高和体重
print(student[(student['Sex']=='F') & (student['Age']>12)][['Name','Height','Weight']])
如果是多个条件的查询，必须使用&（and）或者丨（or）的两端条件用括号括起来。
二. 简单的统计分析
在实际工作中，可能处理一些数据型DataFrame，将函数应用到DataFrame中的每一列，可以使用apply函数。
import pandas as pd import numpy as np np.random.seed(1234) d1 = pd.Series(2*np.random.normal(size = 100)+3) d2 = np.random.f(2,4,size = 100) d3 = np.random.randint(1,100,size = 100) def stats(x): return pd.Series( [x.count(),x.min(),x.idxmin(),x.quantile(.25),x.median(),x.quantile(.75), x.mean(),x.max(),x.idxmax(),x.mad(),x.var(),x.std(),x.skew(),x.kurt()], index = ['Count','Min','Whicn_Min','Q1','Median','Q3','Mean','Max','Which_Max','Mad','Var','Std','Skew','Kurt'] ) df = pd.DataFrame(np.array([d1,d2,d3]).T,columns = ['x1','x2','x3']) print(df.head()) print(stats(df['x1'])) print(stats(d1))
讲的还是比较详细的，有什么疑问的地方，大家可以留言，更多的 Python教程也会继续为大家更新！
