统计方法

mean var std

value_counts计算值出现的次数

group_by类似sql的分组聚合

pivot_table透视表，数据交叉分析中常用

#statistic 

print(df.mean()) #均值

print(df.var()) #方差

print("~~~~~~~~~~~~~~~~~~~~************")

s=pd.Series([1,2,2,np.nan,5,7,9,10],index=dates) #构架series

print(s)

print(s.shift(2))

print(s.diff())

print(s.value_counts()) #返回值可以用来绘制直方图

print(df.apply(np.cumsum)) #累加

print(df.apply(lambda x:x.max()-x.min())) #极差：每个属性最大值减最小值

#concat

pieces=[df[:3],df[-3:]] #用下标获取到dataframe的一部分，前三行和后三行拼接在一起

print(pd.concat(pieces))

left=pd.DataFrame({"key":["x","y"],"value":[1,2]}) #建立两个dataframe

right=pd.DataFrame({"key":["x","z"],"value":[3,4]})

print("LEFT:",left)

print("RIGHT:",right)

print(pd.merge(left,right,on="key",how="inner"))

df3=pd.DataFrame({"A":["a","b","c","b"],"B":list(range(4))})

print(df3.groupby("A").sum())

# #Reshape

import datetime

df4=pd.DataFrame({'A':['one','one','two','three']*6, #此表格共有24行

'B':['a','b','c']*8,

'C':['foo','foo','foo','bar','bar','bar']*4,

'D':np.random.randn(24), #随机数

'E':np.random.randn(24),

'F':[datetime.datetime(2017,i,1) for i in range(1,13)]+

[datetime.datetime(2017,i,15) for i in range(1,13)]})

# pivot_table透视表

print(pd.pivot_table(df4,values="D",index=["A","B"],columns=["C"]))

#数据透视表

# df = pd.Series([1,2,4,np.nan,5,6,7,10],index=dates)

df.mean() ## 均值

df.vaar() ## 方差

df.shift(2) ## 右移两位

df.value_counts() ## 统计出现的值的次数 -- 直方图

df.apply(np.cumsum) #累加值

## Concat

pieces = [df[:3],df[-3:]]

pd.concat(pieces))

left join 

本节代码 #pandas表统计与整合    #均值    print(df.mean())    #方差    print(df.var())    s=pd.Series([1,2,4,np.nan,5,7,9,10],index=dates)    print(s)    print(s.shift(2))    print(s.diff())    print(s.value_counts())    #累加    print(df.apply(np.cumsum))    #极差    print(df.apply(lambda x:x.max()-x.min()))    #表格拼接    pieces=[df[:3],df[-3:]]    print (pieces)    left=pd.DataFrame({"key":["x","y"],"value":[1,2]})    right=pd.DataFrame({"key":["x","z"],"value":[3,4]})    print("LEFT:",left)    print("RIGHT:",right)    print(pd.merge(left,right,on="key",how="outer"))    df3=pd.DataFrame({"A":["a","b","c","d"],"B":list(range(4))})    print(df3.groupby("A").sum())

#Concat 拼接
pieces = [df[:3],df[-3:]]
print(pd.concat(pieces))

用contact对数组进行拼接，比如前三行和后三行拼接

apply（）可以直接应用函数，或者应用自定义函数

shift（）数字移动，diff（）减法，value_counts（）某个值出现的次数。