查看数据类型及属性

# 查看df类型
type(df) 
# 查看df的shape属性，可以获取DataFrame的行数，列数
df.shape
# 查看df的columns属性，获取DataFrame中的列名
df.columns
# 查看df的dtypes属性，获取每一列的数据类型
df.dtypes
df.info()

Pandas与Python常用数据类型对照

加载筛选数据

df根据列名加载部分列数据：加载一列数据，通过df['列名']方式获取，加载多列数据，通过df[['列名1','列名2',...]]。

df按行加载部分数据：先打印前5行数据 观察第一列 print(df.head()) 最左边一列是行号，也就是DataFrame的行索引 Pandas默认使用行号作为行索引。

loc方法传入行索引，来获取DataFrame的部分数据（一行，或多行）
df.loc[0]
df.loc[99]
df.loc[last_row_index]

iloc : 通过行号获取行数据
iloc传入的是索引的序号，loc是索引的标签
使用iloc时可以传入-1来获取最后一行数据，使用loc的时候不行

loc和iloc属性既可以用于获取列数据，也可以用于获取行数据
df.loc[[行]，[列]]
df.iloc[[行]，[列]]

df.loc[:,['country','year','pop']]
# 获取全部的行，但每一行的列内容接受三个

df.iloc[:,[0,2,4,-1]]
df.loc[:,[0,2,4,-1]]
df.iloc[:,0:6:2]       # 所有行, 第0 , 第2 第4列

        可以通过行和列获取某几个格的元素

分组和聚合运算

先将数据分组  对每组的数据再去进行统计计算如，求平均，求每组数据条目数（频数）等 再将每一组计算的结果合并起来 可以使用DataFrame的groupby方法完成分组/聚合计算

df.groupby(by='year')[['lifeExp','pop','gdpPercap']].mean()
# 根据year分组，查看每年的life平均值，pop平均值和gpd平均值，用mean做聚合运算

也可以根据两个列分组，形成二维数据聚合

df.groupby(['continent'])['country'].nunique()
df.groupby('continent')['lifeExp'].max()
# 可以使用 nunique 方法 计算Pandas Series的唯一值计数
# 可以使用 value_counts 方法来获取Pandas Series 的频数统计

df.groupby(‘continent’) → dataframeGroupby对象就是把continent取值相同的数据放到一组中
df.groupby(‘continent’)[字段] → seriesGroupby对象  从分号组的Dataframe数据中筛序出一列
df.groupby(‘continent’)[字段].mean() seriesGroupby对象再调用mean()/其它聚合函数