pandas库

import pandas as pd
import numpy as np

# Series
# 由一组数据（各种Numpy数据类型），以及一组与之相关的标签数据（即索引）组成
s = pd.Series([1, 3, 5, np.nan, 6, 8])
# 获取索引值
print(s[1])

# DataFrame
# DataFrame是一个表格型的数据结构，它含有一组有序的列，每一列的数据结构都是相同的，
# 而不同的列之间则可以是不同的数据结构（数值、字符、布尔值等）。或者以数据库进行类比，
# DataFrame中的每一行是一个记录，名称为Index的一个元素，而每一列则为一个字段，是这个记录的一个属性。
# DataFrame既有行索引也有列索引，可以被看做由Series组成的字典（共用同一个索引）。
dates = pd.date_range('20130101',periods=6)
df = pd.DataFrame(np.random.randn(6,4),index=dates,columns=list('ABCD'))
# 查看前面两条数据
print(df.head(2))
# 查看最后两条数据
print(df.tail(2))
# 使用 describe() 函数对于数据的快速统计汇总
print(df.describe())
# 使用sort_values()按列对 DataFrame 进行排序
print(df.sort_values('A'))
# 按index选择多列数据
print(df['2013-01-01':'2013-01-03'])
# 选取第一、三行，第一、二列的数据
print(df.iloc[[0,2],[0,1]])
# 筛选出A大于0.1的数据，并且B大于0.1的数据
print(df[(df.A > 0.1) & (df.B > 0.1)])