本篇是聚宽量化课堂Python编程部分，关于dataframe处理数据的一篇专题使用指南，之后会陆续推出类似的课程。最近小编一直在探索有什么学习内容是大家一直期待的，如果你有什么好的想法，可以留言告诉我们。
细心的小编发现，大家在取用数据时常常会用到dataframe的格式，而且很多人都不熟悉它的用法。所以，本篇重点整理了相关的的内容，以便大家查阅和学习。
1.选取行名、列名、值
2.以标签（行、列的名字）为索引选择数据—— x.loc[行标签,列标签]
3.以位置（第几行、第几列）为索引选择数据—— x.iloc[行位置,列位置]
4.同时根据标签和位置选择数据——x.ix[行,列]
5.选择连续的多行多列——切片
起点索引:终点索引 这种用法叫做一个切片，指从起点索引到终点索引。看实际用法就懂了。
如果起点索引省略代表从头开始，终点索引省略代表直到最后，都省略就代表全部了。
切片在.loc、.iloc、.ix三种方法中都可以应用
由上例可见，当以位置为索引时，切片是不包括终点的，是左闭右开的。即第1列到第3列不是写作0:2而是0:3。
6.选择不连续的某几行或某几列
备注：当以标签名选取不连续的某几行的时候在这个例子中如df.loc['2016-02-02','2016-02-04',:]这样写会出错，，是时间格式的原因，这样写就可以了df.ix[[pd.Timestamp('2016-02-02'), pd.Timestamp('2016-02-04')]]
7.简便地获取行或列
直接用切片获取行，直接用标签名获取列。注意不要错乱。
8.如何返回一个dataframe的单列或单行
如上，此时返回的是一个series，而不是dataframe。有时单独只获取一行的时候也会返回一个series，如df.ix[0,:]。
若要返回dataframe，可用中括号把索引括上，如下。
9.按条件选取数据——df[逻辑条件]
逻辑条件支持&(与)、|(或)、~(非)等逻辑运算
这个方法有个常用情景，即按条件修改数据：
1.转置 df.T
2.按行名或列名排序——df.sort_index
df.sort_index(axis=0,ascending=True)
axis= 0 为按行名排序；1 为按列名排序
ascending= True 为升序； False 为降序
3.按值排序——df.sort_index
df.sort(by=, ascending=True)
by= 按哪一列的值排序，默认是按行标签排序
ascending= True 为升序； False 为降序
1.获得一个datframe数据类型的样例
2.增加一列或一行
3.删除行或列——df.drop
df.drop(labels,axis=0，inplace=Flase)
labels 行或列的标签名，写在第一个可省略。
axis= 0 删除行；1 删除列
inplace= False 生成新dataframe；True 不生成新的dataframe，替换原本dataframe。默认是False。
该操作默认返回的是另一个新的dataframe，以至于原来的没有变，如在下面第一个例子中删除的列，在第二个例子中还有。要替换原来的请调整inplace参数
1.concat，concat([df1,df2,...],axis=0)
axis= 0 纵向；1 横向。
使用前需导入过pandas模块
使用时要注意连接的dataframe行列对齐
可以同时拼接多个dataframe
拼接是强制的，允许连接后存在同名的行或列，见纵向连接的第二个例子
2.横向连接
3.纵向连接
1.组建方法——pd.DataFrame
pd.DataFrame(data=None, index=None, columns=None)
data= 数据
index= 索引，即行名、行表头
columns= 列名、列表头
使用前要执行前面的import pandas as pd
2.用字典型数据组建——pd.DataFrame
方法基本同上，因为字典型自带一个标签，所以就不用写列名了。
3.简便地获得聚宽数据中的时间索引
有时建立一个dataframe时，为了和平台数据保持一致，需要使用相同的时间行索引，但时间数据操作复杂，而且涉及到节假日、非交易日等问题,直接建立比较困难，这里介绍一种简单的方法，快速获得跟平台数据一致的时间索引。原理就是直接把平台数据的时间索引拿出来。例子如下：
1.去掉缺失值——df.dropna
df.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)
axis= 0 按行检查缺失；1 按列检查缺失。不写默认为0
how= 'any' 有一个缺失值就算缺失；'all' 行或列(根据axis参数)全缺失才算缺失。不写默认为'any'
thresh= x,x为一个整数,含义为行或列(根据axis参数)中非缺失数值个数大于等于x则不算缺失，即小于x则算缺失，会被去除。
subset= 标签名。选择要对哪个列或行（与axis中的相反）进行检查缺失，没写的则不检查。即限制检查范围。
相对复杂，请看例子和与例子注释。
2.对缺失值进行填充——df.fillna
df.fillna(value=None,axis=None)
value= 替换缺失值的值。可以是单个值、字典、dataframe等，但不能是list。区别请看例子。
3.判断数据是否为缺失——df.isnull
为什么要这样用这个方法判断是否为缺失？
因为nan不等于nan（如下例），即用类似x == nan条件为真 这样的判断方法无法判断一个值x是否为nan。
常用统计函数
describe 针对Series或个DataFrame列计算汇总统计
count 非na值的数量
min、max 计算最小值和最大值
idxmin、idxmax 计算能够获取到最大值和最小值得索引值
quantile 计算样本的分位数（0到1）
sum 值的总和
mean 值得平均数
median 值得算术中位数（50%分位数）
mad 根据平均值计算平均绝对离差
var 样本值的方差
std 样本值的标准差
skew 样本值得偏度（三阶矩）
kurt 样本值得峰度（四阶矩）
cumsum 样本值得累计和
cummin，cummax 样本值得累计最大值和累计最小值
cumprod 样本值得累计积
diff 计算一阶差分
pct_change 计算百分数变化
1.panel的取用方法
panel类型的的取用方法类似与dataframe，看下例子也就明白了。一般要做统计方面的工作，也是如下分解成dataframe进行操作，基本满足日常需求。了解更多panel的操作可参考：http://pandas.pydata.org/pandas-docs/stable/api.html#panel
2.panel类型数据分解成dataframe方法
1.把dataframe存成csv文件——df.to_csv()
用法如下，文件都是存到研究空间中的，如果不写路径是默认是存在根目录，如df.to_csv('df.csv')
2.读取被存成csv文件的dataframe——pd.read_csv()
dataframe格式的数据处理是策略开发的基本功，本篇重点整理了相关的内容，以便大家查阅和学习，希望对同学们有所帮助。
点击『阅读原文』，到JoinQuant聚宽社区讨论~
长按二维码，关注JoinQuant聚宽