转载自https://zhuanlan.zhihu.com/p/21337237
问题一、dataframe里面.values，.iloc，.ix，.loc的区别？
只有values是将原本dataframe数据强制转化为numpy格式的数据来索引，其他3个都是对dataframe本身的数据来索引，其中iloc是对基于values的位置来索引调用，loc是对index和columns的位置来索引，而ix则是先用loc的方式来索引，索引失败就转成iloc的方式；
问题二、可否有两层，或2层以上的columns或index？有的话如何索引？
可以，索引的话如果用loc或ix，则默认是用第一层的index或columns，最简单的方式是类似于这样：
example.loc[index1, columns1].loc[index2, columns2]
问题三、list, dict, numpy.ndarray, dataframe数据格式如何转换？
1. list转化为numpy.ndarray：
np.array(example)
2. numpy.ndarray转化为list：
list(example)
3. dict转化为dataframe:
example['a'] = {'bb':2, 'cc':3}
eee = pd.DataFrame(example)
4. numpy.ndarray转化为dataframe:
pd.DataFrame(example)
5. dataframe转化为numpy.ndarray：
example.values[:, :]
问题四、numpy.ndarray和dataframe如何填补nan，inf？
1. 对于numpy.ndarray来说：
example = np.where(np.isnan(example), 0, example)
example = np.where(np.isnan(example), 0, example)
2. 对于dataframe来说：
既可以用example.fillna(),还可以用example.replace(a, b)
问题五、各种OI的效率快慢问题？
1. npy读写效率最高，但最费硬盘空间，比如np.load(), np.save();
2. csv其次，比如pd.Dataframe.to_csv()，pd.load_csv()；
3. txt读写，当然也可以很快，但是需要频繁的split，对格式规范的数据比较麻烦；
4. 至于简单的excel和word，可以用xlrd,xlwt来操作；
问题六、关于常见的os操作，包括新建文件夹、遍历文件夹的操作问题？
1. 新建文件夹：
if not os.path.isdir(path_out): os.makedirs(path_out) 2. 遍历所有文件和子文件夹：
for a, b, filenames in os.walk(path_data): for filename in filenames: 只遍历当前文件，不包含子文件夹：
for a, b, filenames in os.walk(path_data): for filename in filenames: if a == path_data: 问题七、numpy.ndarray和dataframe如何选取满足条件的行和列数据？
1. 根据新的columns来选取：
frame_[newcolumns]
2. 根据新的index来选取：
frame_[frame_.index.isin(newindex)]
3. 根据某一行或者列的条件来选取：
假如是根据dataframe的第一列，必须大于start_time这个常数，frame_ = frame_.ix[:, frame_.ix[0, :] >= start_date]
或者是根据dataframe的第一行，必须大于start_time这个常数，frame_ = frame_.ix[frame_.ix[:, 0] >= start_date, :]
问题八、如何计算相关性矩阵？
将y和所有x放入到sample = numpy.ndarray下，然后直接np.corrcoef(sample )，默认的是皮尔森相关系数，当然，也可以用ranked correlation，也就是spearman correlation，可以直接用scipy.stats.spearmanr。
问题九、如何取出一串字符串里面的字母或者数字？
1. 取出example里面的数字：
int(''.join(x for x in example if x.isdigit()))
2. 取出example里面的字母：
(''.join(x for x in example if x.alpha()))
问题十、各种merge操作？
1. 纵向merge 格式为numpy.ndarray的数据：
np.hstack((example1, example2))
2. 纵向merge 格式为dataframe的数据，并根据dataframe的index来merge，merge后保留原本各自列的所有index，其他没有该index的列则对应数值为nan：
pd.concat([example1, example2], axis=1)
3. 纵向merge，但是只保留公共的index行：
example.sort_index(axis=1, inplace=True)
4. 横向merge格式为numpy.ndarray的数据：
np.vstack((example1, example2))
5. 横向merge 格式为dataframe的数据，并根据dataframe的column来merge，merge后保留原本的index和columns，其他没有该index或columns的列则对应数值为np.nan：
pd.concat([example1, example2], axis=0)
6. 横向merge，但是只保留公共的columns列：
example.sort_index(axis=0, inplace=True)
问题十一、对dataframe数据的index统一加一个后缀
比如对原本dataframe下的index=[‘aa’, 'cc', 'dddddd']的，统一加上一个_5m的后缀，通常的操作大家一般就是直接example.index = [x + '_5m' for x in example.index]，这个其实会产生些小问题，因为默认的index是pandas.indexes.base.Index，这个格式可能会默认index里面数据的长度是确定的，导致加_5m后缀失败，所以需要先把格式强制转化为list, 像这样：example.index = [x + '_5m' for x in list(example.index)]