立一個flag這周認(rèn)真再看numpy, pandas, matplotlib的文檔，認(rèn)真做筆記。供自己以后看，希望能幫到其他人吧（會慢慢更新?。?/p>
pandas的數(shù)據(jù)都可以類比于字典，這樣的結(jié)構(gòu)比較容易理解，但是對計算機操作就比較麻煩，可能這大概是它比ndarray要慢的原因吧
- Series
| 名字 | 功能 |
|---|---|
| Series.index | 這不是一個方法，而是一個attrs,所有后面沒有接字符（如果出現(xiàn)了用()這樣的方法，說明你這個其實是一個callable的，東西，但是這個其實不是callable,因為是一個array） |
| Series.values | 記得s不要漏了 返回的也是一個array,但是卻是內(nèi)容組成 |
| Series['index'] | 通過index來訪問數(shù)據(jù)，這個index雖然你可以自己添加了很多index,但是默認(rèn)通過數(shù)字的那種編碼還是存在的。但是你要是用了數(shù)字的版本的新index，就會已新版本為主。換句說，每一次都先看看你自己定義的那種。（相當(dāng)于，有兩套index訪問策略，有浮點數(shù)的那種也就只能通過默認(rèn)的index進(jìn)行訪問了，但要是默認(rèn)的在自定義中出現(xiàn)了，那就GG了）（對了，最好不要設(shè)置浮點數(shù)的index，會報keyerror的） |
| dict轉(zhuǎn)Series | 默認(rèn)使用key作為Index，Value作為Value |
| 也可以自己設(shè)置index | 要是在設(shè)置的index在dict中沒有，就會自動補全，順序默認(rèn)按照設(shè)定的index順序(但是dict中有的index，就一定要是在自定義中的index存在才行) |
| pd.isnull(Series) | 返回的也是一個Series，但是值變成了bool，這個判斷value是不是NaN。但是Key還是一樣的，都是Series本身自帶的index |
| Series1 + Series2 | 返回值會按照index進(jìn)行排序，會找到對應(yīng)的index的value進(jìn)行相加。要注意的是，Series檢查到默認(rèn)的值為NaN 。如果有一者為NaN，那么加起來也是NaN |
| Series.name | Series 對象本身的名字，默認(rèn)是none |
| Series.index.name | 設(shè)置index對象的名字（字段名） |
| Series > value | 返回一個btype為bool的Series對象（換成 >= / == 之類的肯定都是一樣的啦） |
- DataFrame 可以看作是對于同一index的Series集合
| 方法 | 解釋 |
|---|---|
| DataFrame(dict) | pd.DataFrame({'column1':[1,2,3], 'column2':['a', 'c', 'd']}) 注意D和F要大寫 |
| DataFrame(array) | pd.DataFrame(np.array([(1, 'a'), (2, 'c'), (3, 'd')]) ,column=['column1', 'column2']) |
| DataFrame.index | attr，查看index(最左邊的那一列) |
| DataFrame.columns | attr，查看列名 |
| DataFrame.values | attr，獲取所有表格內(nèi)部信息（返回ndarray) |
| DataFame['index'] | 這個index可以是列名，如果是數(shù)字，就會默認(rèn)使用行號來做拿到行，這個要留意。返回的是一個Series |
| DataFrame.index | 前面的index不是指index，而是任意的列名。具體拿到某一個列的列參數(shù)attr |
| DataFrame.iloc[ , ] | 通過行列數(shù)字進(jìn)行查找（要求是具體數(shù)字）通過這個也可以看到對每一個橫著的Series都是有一個對象名稱，具體是index對應(yīng)的值。可省略逗號，默認(rèn)是對行進(jìn)行操作，跟下面的類似 |
| DataFrame.loc[ , ] | 這時候就需要寫具體的行列名字了 （這個跟上面的操作都支持切片） |
| DataFrame['column'] = value | 如果value是一個單一的值的話，就會將整一列的元素全部變?yōu)関alue。如果是長度剛剛好的list，也就會完全替代。而且list長度只能剛剛好，否者會報錯 |
| del DataFrame['column'] | 這樣的方式來進(jìn)行刪除某一列 |
| DataFrame['column1'] = list | 前面的list就換成一個具體的list就好了，這樣就會自動添加一個。在列的最右端 |
| DafaFrame.index.min() | 這里的index不是index，而是具體的某一列的列名。然后用一個min函數(shù)作用一下就好了。拿出來的這一列就是一個Series。當(dāng)然取一行，得到的也是一個Series |
| DataFrame[DataFrame.index >= value] | 常用的篩選方法。要清楚上面的Series如果是用括號符的時候，得到的是一個bool值的Series對象。類比于看上面的pd.isnull(Series)函數(shù) |
| DataFrame.index >= value | 返回的是有對象名的Series，對象名就是index。但是上面的取法跟對象名沒有關(guān)只是得到了一個對應(yīng)的bool值Series，你甚至換一個bool的list都是可以這樣篩選出來的。本質(zhì)上就是想要得到一個bool序列，通過這個序列來生成DataFrame |
