series：索引index和資料values。
可以看成乙個定長的有序字典。
通過字典建立series：df=series（s1）s1為字典。
傳入字典，結果series中的索引就是原字典的鍵（有序排列）
例如s=［『a』,『b』］
df1=series(df,index=s)
nan：非數字，not a number，在pandas中表示缺失或na值。
pandas中的isnull和notnull函式用於檢測缺失資料。pd.isnull（）。
series最重要的乙個功能：它在算術運算子中自動對齊不同索引的資料。
series有name屬性。例如：df.name=『hou』或df.index.name=『state』。
series的索引可以通過賦值直接修改。
del frame1［『a』］刪除列。
frame1［『c』］=frame.state==『oh'
另一種常見的資料形式：巢狀字典
它傳給dataframe時，解釋為：外層字典的鍵key作為列，內層鍵則作為行索引。
index物件是不可修改的。
重新索引reindex 例如：df.reindex（［『a』,『b』,『c』］,fill_value=0）當前索引值不存在，為nan或插值處理（上述fill_value）
reindex的（插值）method選項：
ffill或pad前向填充（或搬運）值
bfill或backfill後向填充（或搬運）值
丟棄指定軸上的項：drop；對於dataframe，可以刪除任意軸上的索引值。
算數運算和資料對齊：
在算術方法中填充值：使用df1的add方法，傳入df2以及乙個fill_value引數df1.add（df2,fill_value=0）。或重新用reindex建索引。
算術方法：add
加法sub
減法 div
除法 mul乘法
函式應用和對映：
numpy的ufuncs（元素級陣列方法）也用於操作pandas物件：np.abs（df）。
排序和排名：
對資料集排序：內建函式sorting
對行或列索引進行排序（按字典順序），可用sort_index，返回已排序的新物件。預設是公升序排序。
引數：by=『』。多列：by=［『a『,』b』］
若要按值對series進行排序，可使用order方法。排序時候，任何缺失值nan預設都會放到series末尾。
排名（ranking）：有點沒看懂。
索引是否是唯一：用is_unique函式
在描述統計中，na值會自動被排除，除非整個切片都是na，通過skipna選項可禁用該功能。
axis約簡的軸，dataframe的行用0，列為1。
skipna：排除缺失值，預設值為true。
level：如果軸是層次化索引（multiindex），則根據level分組約簡。
間接統計：idxmin和idxmax返回的是間接統計（即達到最小值和最大值的索引。）
argmin和argmax獲得到最小值和最大值的索引位置（整數）。
累計值：df.cumsum（）
匯**計：df.describe（）
mad根據平均值計算平均絕對離差。
var樣本值的方差，std是標準差。
相關係數和協方差：
pct_change（）百分數變化
series的corr方法用於計算兩個series中重疊的，非na的，按索引對齊的值的相關係數。cov用於計算協方差。可返回dataframe的矩陣形式。
利用dataframe的corrwith方法，你可以計算其列或行跟另乙個series或
dataframe之間的相關係數。
傳入乙個series將返回乙個相關係數值series。（針對各列進行計算）
傳入dataframe也是按列名配對的相關係數，axis=1是按行進行計算。
唯一值、值計數以及成員資格：
一維的series的第乙個函式是unique，可以得到series中的唯一值陣列。返回的唯一值是未排序的，如果需要，可對結果再次進行排序（uniques.sort（））。
value_counts用於計算乙個series中各值出現的頻率。引數：sort=false是降序排列。
isin用於判斷向量化集合的成員資格，可用於series或者dataframe列中的資料的子集。
內建的none值也會被當做na處理。
na處理方法：
濾除缺失資料：
series：
dropna返回乙個僅含非空資料和索引值的。
或布林型索引：df［df.notnull（）］
dataframe：
dropna預設是丟棄所有缺失值的行。
傳入how=『all』將只丟棄全為na的那些行。
要用這種方式丟棄列，只需傳入axis=1即可。
涉及時間序列數df.dropna（thresh=3）
填充缺失資料：fillna將缺失值替換為常數。
例：df.fillna（1）缺失值全部替換為1。
若為字典時：df.fillna（｛1:2，3:1｝）。
fillna缺省會返回新物件。試一試：總是返回被填充物件的引用：_=df.fillna（0，inplace=true）
fillna傳入平均數或中位數：df.fillna（df.mean（））。
層次化索引：兩個以上索引級別。包含：內層。
層次化索引在資料重塑和基於分組的操作很重要。dataframe中，df.index.names=［「a」,「b」］
df.columns.names一樣的。
重排分級順序：
swaplevel接受兩個級別編號或名稱。互換列名，但值不變。
sortlevel則根據單個級別中的值對資料進行排序（穩定的）。
如果層次化索引是按字典方式從外到內排序（則呼叫sortlevel（0）或sort_index（）），資料選取操作的效能要好很多。
根據級別匯**計：
level選項：用於指定某條軸上求和的級別。
axis=1相當於pandas的groupby功能。
《利用 Python 進行資料分析》讀書筆記
1.ndarry 2.通用函式 快速的元素級陣列函式 3.利用陣列進行資料處理 4.利用陣列的檔案輸入輸出 5.現行代數 6.隨機數生成 7.隨機漫步 1.合併資料集 pandas.merge pandas.concat pd.merge df1,df2,how inner 索引上的合併 軸向連線 ...
讀書筆記2
關於this指標 雖然this指標大家已經很熟悉了，但是我這裡討論的關於this指標的問題可能大家還沒注意過 為了說明這個關於this的歸屬問題，我自寫了一段再簡單不過的程式，雖簡單但具體 include class a void aa 我的問題是指標p1是指向b自身嗎？一看程式，大家就知道 不是，...
讀書筆記（2）
沉默的藝術 意識科學基礎理論 量子效應只是用於穩定某種內在自由度極大的基本粒子，然後再用基本粒子的內在屬性產生意識體驗。只能通過呈現乙個系統的 物理 屬性來描述乙個系統。只能通過變成內在屬性配對的其中乙個系統，以直接體驗的方式來獲得這些內在屬性的資訊。定義乙個包含所有系統的系統d，除該系統外無任何系...