本文目录一览：
python基础中,df后面是什么
python基础中,df后面是传函数参数。是要在小括号里面传函数参数，后面的[]是因为函数返回一个数组，列表所以用[0]取得索引为0处的值。
python基础内容简介
本书是大气海洋学科方向学者的python入门书。全书侧重于介绍大气海洋学科领域python编程常用的基础知识，包括即也阻的获取、安装、环境编辑器等内容，示例介绍了python语言基础，流程控制，列表、元组、字典与集合，函数，类和对象，模块，存储户等基础知识。
结合python基础知识，介绍了异常处理、计算生态、正则表达式、python脚本、日志等内容。文后结合习题帮助读者解决常见编程问题和困惑，从而帮助读者实现时也on知识的灵活使用和综舍编程，将python用于大气海洋工程当中。
本书第1~8章为Python语言基础，主要介绍Python的基本用法；第9章为一个实战，帮助读者理解前8章的知识，第10~17章为Python的进阶使用，包含面向对象编程、函数式编程入门、文件读写、异常处理、模块和包几个部分。
第18章为第2个实战，帮助读者融会贯通前17章的知识，同时抛砖引玉，引起读者探索的兴趣。
5. 来点实用的：df = data frame
在第3章，讲到了矩阵matrix和向量vector，矩阵和向量都只能包含某一种数据类型，而在实际应用中，这种情况比较少见。
当我们做一项数据调查时，调查报告通常不可能只含有数值型数据或者字符型数据，而是包含各种数据类型（做分析时需要对目录数据进行编码，这部分内容会在python分析基础中讲到）。因此，我们需要一种新的容器类型——data frame。
有人把data frame翻译为数据帧，这种译法是不准确的，尤其是考虑到“帧”的定义和data frame的含义的差别。也有人完全按照字面意思把它翻译成数据框架，我感觉有些画蛇添足，把原本不难理解的东西复杂化。
本章主要讲了：
其实很简单，用一个例子就能解释明白：中学时老师统计的期末成绩单就是一个df，通常一个Excel表格中包含以下内容：
在实际操作中，我们通常读取一个Excel表单或者一个csv文件，并将这个文件赋值给一个变量（df或者data），后期对文件的操作可以通过变量名来进行。需要注意的是，df的每一行表示不同的观测对象，每一列表示一个定语或变量。在成绩单里，每个学生都是一个被观测的个体，而各科成绩表示不同的定语(Attribute)，定语是用来描述观测对象的特征的。
下面我将采用R语言内置的数据集mtcars(motor trend car road tests)来做演示。
首先打开RStudio，用 data() 函数载入数据集：
通过前五行数据，我们可以看到，每行表示不同的汽车型号，列表示每个汽车型号的不同特征，例如排量，马力，气缸数等等。
通常在获取一个数据集后，我们需要了解它的结构，例如一共有几行，有哪些列，列的名字，每列的数据类型等。查看df的结构，需要 str() 函数。
输出结果表示，mtcars一共有32行(observations)，和11列(variables)。
$符号后面是列名，一共11个，且mtcars中所有的数据类型都是numerical。
前面使用了内置数据集，接下来可以使用 data.frame() 自己创建一个，括号中填入不同的向量，这些向量必须包含相同的元素数量。
* 注意区分R和python在创建df时的不同语法
我们以太阳系内八大行星为例，建立一个df，包含行星的名字，类型（岩质行星还是气态巨行星），相对地球直径的比值，相对地球公转周期的比值以及是否含有星环（不止土星有星环）。
观察一下我们创建的df，不难发现每个向量就是df中的每一列。（在python中有类似的用法，即通过字典dictionary创建df，参见python教程。）
跟矩阵和向量类似，我们可以选择df的特定行和 / 或列。利用中括号，在逗号的左边填入想选择的行，右边填入列。这个用法跟前面矩阵的元素选择重复，这里就省略了。
这里介绍另外一种方法，只用列名选择某个特定的列：
df$colname
输出的结果是一个向量，可以用 class() 函数验证向量元素的类型。
更进一步，如果我们想选出有星环的行星，可以通过以下操作：
可以看出，我们筛选出了 rings 列中，值为 TRUE 的所有行。
那么能否筛选不带星环的行星？
方法很简单，只需要在中括号中加入一个 !
* 注意：由逻辑值组成的列通常被用来筛选符合某些条件的行，若没有由逻辑值组成的列，我们可以通过逻辑运算符自己建立一个筛选标准
现在我们尝试找出影响行星是否有星环的因素。
对比这两个结果，可以发现太阳系中的岩态行星都没有星环，而气态巨行星都有星环。因此我们可以猜测，影响一个行星是否有星环的因素是行星的类型。当然这只是一个假设，要想验证这个假设在银河系甚至可观测宇宙是否成立，我们需要更多数据来进行 假设检验 ，这部分的内容需要懂点统计学，后面会讲到。
上一步实际上是给我们的数据集创建了一个子集，用来过滤掉一部分不需要i的数据。现在介绍一种更高效、更普适的方式：
借助第二个arg，我们可以根据“某些条件”来选择。这里的条件覆盖较广的范围，不再局限于逻辑值。
* 注意：这里的‘单等于号’表示赋值，‘双等于号’表示逻辑判断
现在试试用numerical数据作为筛选条件，选出直径比地球直径大的行星：
排序要用到 order() 函数：
* 注意：decreasing默认为假，也就是说如果不填这个arg， order() 函数会进行升序排列
Python pandas用法
在Python中，pandas是基于NumPy数组构建的，使数据预处理、清洗、分析工作变得更快更简单。pandas是专门为处理表格和混杂数据设计的，而NumPy更适合处理统一的数值数组数据。
使用下面格式约定，引入pandas包：
pandas有两个主要数据结构：Series和DataFrame。
Series是一种类似于一维数组的对象，它由 一组数据 （各种NumPy数据类型）以及一组与之相关的 数据标签（即索引） 组成，即index和values两部分，可以通过索引的方式选取Series中的单个或一组值。
pd.Series(list,index=[ ]) ，第二个参数是Series中数据的索引，可以省略。
Series类型索引、切片、运算的操作类似于ndarray，同样的类似Python字典类型的操作，包括保留字in操作、使用.get()方法。
Series和ndarray之间的主要区别在于Series之间的操作会根据索引自动对齐数据。
DataFrame是一个表格型的数据类型，每列值类型可以不同，是最常用的pandas对象。DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用同一个索引）。DataFrame中的数据是以一个或多个二维块存放的（而不是列表、字典或别的一维数据结构）。
pd.DataFrame(data,columns = [ ],index = [ ]) ：columns和index为指定的列、行索引，并按照顺序排列。
如果创建时指定了columns和index索引，则按照索引顺序排列，并且如果传入的列在数据中找不到，就会在结果中产生缺失值：
数据索引 ：Series和DataFrame的索引是Index类型，Index对象是不可修改，可通过索引值或索引标签获取目标数据，也可通过索引使序列或数据框的计算、操作实现自动化对齐。索引类型index的常用方法：
重新索引 ：能够改变、重排Series和DataFrame索引，会创建一个新对象，如果某个索引值当前不存在，就引入缺失值。
df.reindex(index, columns ,fill_value, method, limit, copy ) ：index/columns为新的行列自定义索引；fill_value为用于填充缺失位置的值；method为填充方法，ffill当前值向前填充，bfill向后填充；limit为最大填充量；copy 默认True，生成新的对象，False时，新旧相等不复制。
删除指定索引 ：默认返回的是一个新对象。
.drop() ：能够删除Series和DataFrame指定行或列索引。
删除一行或者一列时，用单引号指定索引，删除多行时用列表指定索引。
如果删除的是列索引，需要增加axis=1或axis='columns'作为参数。
增加inplace=True作为参数，可以就地修改对象，不会返回新的对象。
在pandas中，有多个方法可以选取和重新组合数据。对于DataFrame，表5-4进行了总结
适用于Series和DataFrame的基本统计分析函数 ：传入axis='columns'或axis=1将会按行进行运算。
.describe() ：针对各列的多个统计汇总，用统计学指标快速描述数据的概要。
.sum() ：计算各列数据的和
.count() ：非NaN值的数量
.mean( )/.median() ：计算数据的算术平均值、算术中位数
.var()/.std() ：计算数据的方差、标准差
.corr()/.cov() ：计算相关系数矩阵、协方差矩阵，是通过参数对计算出来的。Series的corr方法用于计算两个Series中重叠的、非NA的、按索引对齐的值的相关系数。DataFrame的corr和cov方法将以DataFrame的形式分别返回完整的相关系数或协方差矩阵。
.corrwith() ：利用DataFrame的corrwith方法，可以计算其列或行跟另一个Series或DataFrame之间的相关系数。传入一个Series将会返回一个相关系数值Series（针对各列进行计算），传入一个DataFrame则会计算按列名配对的相关系数。
.min()/.max() ：计算数据的最小值、最大值
.diff() ：计算一阶差分，对时间序列很有效
.mode() ：计算众数，返回频数最高的那（几）个
.mean() ：计算均值
.quantile() ：计算分位数（0到1）
.isin() ：用于判断矢量化集合的成员资格，可用于过滤Series中或DataFrame列中数据的子集
适用于Series的基本统计分析函数，DataFrame[列名]返回的是一个Series类型。
.unique() ：返回一个Series中的唯一值组成的数组。
.value_counts() ：计算一个Series中各值出现的频率。
.argmin()/.argmax() ：计算数据最大值、最小值所在位置的索引位置（自动索引）
.idxmin()/.idxmax() ：计算数据最大值、最小值所在位置的索引（自定义索引）
pandas提供了一些用于将表格型数据读取为DataFrame对象的函数。下表对它们进行了总结，其中read_csv()、read_table()、to_csv()是用得最多的。
在数据分析和建模的过程中，相当多的时间要用在数据准备上：加载、清理、转换以及重塑。
在许多数据分析工作中，缺失数据是经常发生的。对于数值数据，pandas使用浮点值NaN（np.nan）表示缺失数据，也可将缺失值表示为NA（Python内置的None值）。
替换值
.replace(old, new) ：用新的数据替换老的数据，如果希望一次性替换多个值，old和new可以是列表。默认会返回一个新的对象，传入inplace=True可以对现有对象进行就地修改。
删除重复数据
利用函数或字典进行数据转换
df.head()：查询数据的前五行
df.tail()：查询数据的末尾5行
pandas.cut()
pandas.qcut() 基于分位数的离散化函数。基于秩或基于样本分位数将变量离散化为等大小桶。
pandas.date_range() 返回一个时间索引
df.apply() 沿相应轴应用函数
Series.value_counts() 返回不同数据的计数值
df.aggregate()
df.reset_index() 重新设置index，参数drop = True时会丢弃原来的索引，设置新的从0开始的索引。常与groupby()一起用
numpy.zeros()
