概述
1.选取行名、列名、值
2.以标签（行、列的名字）为索引选择数据—— x.loc[行标签,列标签]进群：125240963 即可获取数十套PDF哦！
3.以位置（第几行、第几列）为索引选择数据—— x.iloc[行位置,列位置]
4.同时根据标签和位置选择数据——x.ix[行,列]
5.选择连续的多行多列——切片
起点索引:终点索引 这种用法叫做一个切片，指从起点索引到终点索引。看实际用法就懂了。
如果起点索引省略代表从头开始，终点索引省略代表直到最后，都省略就代表全部了。
切片在.loc、.iloc、.ix三种方法中都可以应用
由上例可见，当以位置为索引时，切片是不包括终点的，是左闭右开的。即第1列到第3列不是写作0:2而是0:3。
@H_419_62@
6.选择不连续的某几行或某几列
备注：当以标签名选取不连续的某几行的时候在这个例子中如df.loc['2016-02-02','2016-02-04',:]这样写会出错，，是时间格式的原因，这样写就可以了df.ix[[pd.Timestamp('2016-02-02'),pd.Timestamp('2016-02-04')]]
7.简便地获取行或列
8.如何返回一个dataframe的单列或单行
如上，此时返回的是一个series，而不是dataframe。有时单独只获取一行的时候也会返回一个series，如df.ix[0,:]。
若要返回dataframe，可用中括号把索引括上，如下。
9.按条件选取数据——df[逻辑条件]
逻辑条件支持&(与)、|(或)、~(非)等逻辑运算
02. dataframe转置、排序
1.转置 df.T
2.按行名或列名排序——df.sort_index
df.sort_index(axis=0,ascending=True)
3.按值排序——df.sort_index
df.sort(by=,ascending=True)
03. dataframe增删行或列
1.获得一个datframe数据类型的样例
2.增加一列或一行
3.删除行或列——df.drop
df.drop(labels,axis=0，inplace=Flase)
04.链接多个dataframe
1.concat，concat([df1,df2,...],axis=0)
2.横向连接
3.纵向连接
05.组建dataframe
1.组建方法——pd.DataFrame
pd.DataFrame(data=None,index=None,columns=None)
使用前要执行前面的import pandas as pd
2.用字典型数据组建——pd.DataFrame
3.简便地获得聚宽数据中的时间索引
有时建立一个dataframe时，为了和平台数据保持一致，需要使用相同的时间行索引，但时间数据操作复杂，而且涉及到节假日、非交易日等问题,直接建立比较困难，这里介绍一种简单的方法，快速获得跟平台数据一致的时间索引。原理就是直接把平台数据的时间索引拿出来。例子如下：
06.dataframe的缺失值处理
1.去掉缺失值——df.dropna
df.dropna(axis=0,how='any',thresh=None,subset=None,inplace=False)
相对复杂，请看例子和与例子注释。
2.对缺失值进行填充——df.fillna
df.fillna(value=None,axis=None)
3.判断数据是否为缺失——df.isnull
@H_822_403@
为什么要这样用这个方法判断是否为缺失？
因为nan不等于nan（如下例），即用类似x == nan条件为真 这样的判断方法无法判断一个值x是否为nan。
查看函数的详细信息
08.panel类型数据分解成dataframe
1.panel的取用方法
panel类型的的取用方法类似与dataframe，看下例子也就明白了。一般要做统计方面的工作，也是如下分解成dataframe进行操作，基本满足日常需求。了解更多panel的操作可参考：http://pandas.pydata.org/pandas-docs/stable/api.html#panel
2.panel类型数据分解成dataframe方法
09.研究内存取dataframe
1.把dataframe存成csv文件——df.to_csv()
用法如下，文件都是存到研究空间中的，如果不写路径是默认是存在根目录，如df.to_csv('df.csv')
2.读取被存成csv文件的dataframe——pd.read_csv()
文章来源于：JoinQuant聚宽
聚宽，国内最大Python量化平台，提供从数据、回测、模拟、实盘等全流程产品。聚宽已汇聚超过15w量化爱好者，与数十家机构合作，聚宽公众号会定期更新量化干货，教你用Python写出好策略。
总结
以上是编程之家为你收集整理的Pandas是数据分析必须要学的库！这是我见过最详细最牛逼的教程！全部内容，希望文章能够帮你解决Pandas是数据分析必须要学的库！这是我见过最详细最牛逼的教程！所遇到的程序开发问题。
如果您也喜欢它,动动您的小指点个赞吧
602392714
清零编程群