pandas 是基于 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。

#Titanic.csv是一个泰坦尼克号乘客信息数据集，用于做泰坦尼克生还预测。

1.2.1利用一个列表来生成数据并自动生成对应的索引：

#以‘’为基数，不断加1产生新的索引，periods=生成的索引数目
#通过数据生成时间，标签，数据值生成一个 DataFrame
 

 
 


 

 


 

 


 

#以‘’为基数，不断加1产生新的索引，periods=生成的索引数目
#通过数据生成时间，标签，数据值生成一个 DataFrame
 

 
 


 

 


 

 


 

    可以通过这类方法去从各个角度浏览DataFrame，选择其中的值
 


 

 本节用到的数据如下（dataframe）:
 


 

 
 


 

 


 

 


#查看所有列标签的名称
#查看datafream各方面的值，（每列属性的）平均值，最大值，最小值，标准差
 

 
 


 

 


 

 
 


 

 


 

 


 

 选择满足某种特征的数据
 


 

 本小节用到的数据如下（dataframe）：
 


 

 
 


 

 


 

 


 

 选择列数据，选择行数据（两种方法，基于索引，基于位置）
 


#选择0到3行（不包括第三行）的数据，这种方法是基于位置的
#选择索引‘’到索引‘’（包括‘’）之间的数据，基于索引
 

 
 


 

 


 

 


#选择A,B两列标签的数据
#选择索引''，''之间，A,B两列标签的数据
 

 
 


 

 


 

 


#选取3~5行，0~2列的数据（不包含第5行，第2列）
#选取1,2,4行，0，2列的数据
 

 
 


 

 


 

 


 

 通过布尔索引来选取数据
 


#选取A列值大于0的数据 
#选取所有大于0的数据
 

 
 


 

 


 

 


 

 


 

 本小节用到的数据如下（dataframe）：
 


 

 
 


 

 


 

#将第0行第A列的数据置为0
#将0行1列的数据置为0
 

 


 

#删除所有存在缺失值的行数据
#用某个值去补全所有缺失值（下面这句代码是将所有缺失值全部用5来代替）
#显示出所有数据的状态（是否存在缺失值，若为true则说明该位置存在缺失值）
 

 
 


 

 


 

 


 

 对数据的一些操作（取平均值，排序等等）
 


 

 本小节用到的数据如下（dataframe）：
 


 

 
 

 

 
 

 
 
 

 
 

 
 

 
 

 本小节用到的df为两个新生成的df，下面有详细代码及截图。
 
#将df的前3行，以及第7行之后的行数据合并生成一个新的dataframe
#将s添加在df，位置会在最后一行
 

 
 
 

 
 

 
 

 将数据根据某个属性分类。
 
 

 
 

 
 
 

 
#将数据按照A,B两个标签来分类，A有两个属性值，B有三个属性值，则组合有2*3=6种，即分#为6类