pandas: 在内存中或对象，会有一套基于对象属性的方法， 可以视为 pandas 是一个存储一维表，二维表，三维表的工具，
主要以二维表为主
一维的表， （系列(Series)）
二维的表，DataFrame， 也叫报表
三维的表，（面板(Panel)）
文本格式 ：
CSV 以文本方式存储， item 之间用逗号分割，记录与记录之间以回车分开 , 可以用 excel 方式打开
json 格式 , 以 key ，value 方式存储
import numpy as np
import pandas as pd
# data 里的 key 可以看成是表头，
data = {
\'animal \': [\'cat\', \'cat\', \'snake\', \'dog\', \'dog\', \'cat\', \'snake\', \'cat\', \'dog\', \'dog\'],
\'age \': [2.5, 3, 0.5, np.nan, 5, 2, 4.5, np.nan, 7, 3],
\'visits\' : [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
\'priority\' : [\'yes\', \'yes\', \'no\', \'yes\', \'no\', \'no\', \'no\', \'yes\', \'no\', \'no\']
}
# 给每一条记录起个别名
labels = [\'a\', \'b\', \'c\', \'d\', \'e\', \'f\', \'g\', \'h\', \'i\', \'j\']
df = pd.DataFrame(data, index=labels)
print(df)
age animal priority visits a 2.5 cat yes 1 b 3.0 cat yes 3 c 0.5 snake no 2 d NaN dog yes 3 e 5.0 dog no 2 f 2.0 cat no 3 g 4.5 snake no 1 h NaN cat yes 1 i 7.0 dog no 2 j 3.0 dog no 1
df.head() ， head() 默认输出前 5 条记录
df [1:5] 也可以通过切片方式操作 （行索引）
df [[\'age\', \'animal\']] （列索引）
df.iloc[0:3, 0:3] 指定行，列输出
age animal priority a 2.5 cat yes b 3.0 cat yes c 0.5 snake no
缺失数据/异常数据处理
Ø 找到缺失值
df[df[\'age\'].isnull()]
填充缺失值
df[\'age\'].fillna(0, inplace=True)
将字符值替换成布尔值
df[\'priority\'] = df[\'priority\'].map({\'yes\': True, \'no\': False})
2.4 可