Pandas简明手册

• 本内容旨在提供一个数据科学，人工智能基本入门简明教程
• 入门简明教程的含义是重在基本操作，没有理论讲解
• 学习方法：
  • 本文有配套视频课程，详见北京图灵学院官网
  • 按照本文或者视频，自己使用jupyter notebook 手动敲击代码后推敲结果
  • 因为内容都是使用方式，需要记住即可，深入学习可以需要在人工智能或数据分析领域完成
  • 本文配套Jupyter Notebook格式文档参见麦扣网
  • 本文严重参考(抄袭)《Python数据科学手册》

• 1. pandas概述
• 2. pandas简单使用
  • 2.1. pandas.Series对象
    • 2.1.1. Series的创建
    • 2.1.2. Series对象的简单使用
  • 2.2. pandas.DataFrame对象
  • 2.3. pandas.Index对象
• 3. Pandas运算方法
  • 3.1. 对通用函数保留索引和列标签
  • 3.2. 自动对齐索引
  • 3.3. DataFrame和Series的运算
• 4. 缺失值的处理
  • 4.1. 对NaN不敏感的操作函数
  • 4.2. 缺失值的发现
  • 4.3. 剔除缺失值
  • 4.4. 填充缺失值
• 5. 层级索引
  • 5.1. 层级索引的创建
    • 5.1.1. 直接创建
    • 5.1.2. 使用多级索引创建
    • 5.1.3. 利用Series创建二维DataFrame
    • 5.1.4. 创建数据的时候直接时候用二维索引
  • 5.2. 多级索引
    • 5.2.1. 显式创建多级索引
    • 5.2.2. 多级索引的等级名称
    • 5.2.3. 多级列索引
  • 5.3. 多级索引的的取值和切片
    • 5.3.1. Series的多级索引取值操作
    • 5.3.2. DataFrame取值操作
  • 5.4. 多级索引的行列转换
    • 5.4.1. 有序和无序索引
    • 5.4.2. stack和unstack
    • 5.4.3. 索引的设置和重置
  • 5.5. 多级索引的数据累计方法
    • 5.5.1. level的使用
  • 5.6. level配合axis
• 6. 合并数据
  • 6.1. pandas.concat
    • 6.1.1. pandas.concat实现简单的Series和DataFrame的合并
    • 6.1.2. 重复索引的处理
    • 6.1.3. 类似join的合并
    • 6.1.4. pandas.append
  • 6.2. pandas.merge合并
    • 6.2.1. 一对一的连接
    • 6.2.2. 多对一的连接
    • 6.2.3. 多对多的连接
    • 6.2.4. on参数的使用
    • 6.2.5. left_on和right_on参数的使用
    • 6.2.6. left_index和right_index
    • 6.2.7. how参数的使用
    • 6.2.8. suffixes参数
• 7. 累计和分组
  • 7.1. describe函数
  • 7.2. GroupBy
  • 7.3. GroupBy对象
    • 7.3.1. 按列取值返回的结果
    • 7.3.2. 按组迭代
    • 7.3.3. 调用方法
  • 7.4. 累计，过滤和转换
    • 7.4.1. 累计
    • 7.4.2. 过滤
    • 7.4.3. 转换
    • 7.4.4. 应用
  • 7.5. 设置分割的键
    • 7.5.1. 将列表，数组，Series或者索引作为分组键
    • 7.5.2. 用字典或者Series将索引映射到分组的名称
    • 7.5.3. 使用任意Python函数
    • 7.5.4. 多个有效的键组成的列表
• 8. 数据透视表
  • 8.1. 数据透视表的初步使用
  • 8.2. pivot_table
  • 8.3. 创建多级索引形状的DataFrame结果
• 9. 字符串的向量化操作
  • 9.1. 字符串向量化应用初步
  • 9.2. 其他pandas字符串方法
  • 9.3. 正则表达式
  • 9.4. 其他字符串的使用方法
• 10. 处理时间序列
  • 10.1. datetime64 数据类型
  • 10.2. Timestamp
  • 10.3. 时间做索引
  • 10.4. pandas时间序列的数据结构
  • 10.5. xxx_range类函数