pandas的基础知识（2）

1、加载numpy和pandas，pandas中的DataFrame,Series。a=np.random.standard_normal((6,3)).round(3)表示随机生成一个6*3的标准正态分布数据，然后保留3位有效数字，赋值给a，如图所示

2、生成DataFrame。df1=DataFrame(a)表示使用ndarray对象a生成一个DataFrame，赋值给df1，如图所示

3、修改df1的列名。df1.columns=[['a','b','c']]表示分别给df1的列命名为'a','b','c'，如图所示

4、修改df1的索引。df1.index=pd.date_range('2017-1-1',periods=6,freq='MS')表示用date_range生成一个长度为6，起始日期为'2017-1-1'，使用月初格式的DatatimeIndex对象数据来作为df1的索引；如图所示

5、将DataFrame再转化为ndarray。np.array(df1)表示将df1这个DataFrame再转化为数组，如图所示

6、df1元素的获取方法（获取第三行第三列的数据）。df1['c'][2]表示df1的‘c’列数据中第3个数据（‘c’列即第三列）；df1.loc['2017-03-01']['c']表示df1的索引为‘2017-03-01’的‘c’列数据（‘c’列即第三列）；df1.iloc[2,-1]表示df1的第三行最后一列数据（最后一列即第三列）；三种方法结果一样，如图所示

7、df1的统计计算。df1.sum()表示按列求和；df1.mean()表示按列求均值；df1.cumsum()表示按列累计求和；df1.describe()表示对df1进行多个字段的统计（个数，均值，标准差，最小值，25%分位数，50%分位数，75%分位数，最大值）；如图所示

8、numpy通用函数对df1的应用；结果的再计算。np.sqrt(df1)表示对df1的每个元素进行开方计算（注意：负数的开方结果给出的是NaN）；np.sqrt(df1).mean()表示对df1的没有元素开方后再按列求均值；如图所示

9、df1的简单绘图。%matplotlib inline表示将matplotlib的图表直接嵌入到Notebook之中；df1.cumsum().plot(lw=1.5)是表示df1的按列累计求和绘制一个线宽为1.5的折线图，如图所示