如果不做判断直接使用loc[]提取内容，会报错KeyError，因此可以使用下面的方法：
首先构造dataframe：
import pandas as pddf: pd.DataFrame = pd.DataFrame([[1, 4.2],[70, 0.03],[5, 0]
], columns=['one', 'two'])生成如下矩阵：
onetwo014.21700.03250
然后判断index是否包含给定的值：
if 1 in df.index.values:print(df.loc[1])
else:print('None')注：要确保index的类型为 int 还是 str等，str(‘1’)不能等价于int(1)
同样，引入一个DataFramed = ts.get_hist_data(‘600848‘, start=‘2015-01-05‘, end=‘2015-01-09‘)
data = pd.DataFrame(d)
print(data.columns)Index([‘open‘, ‘high‘, ‘close‘, ‘low‘, ‘volume‘, ‘price_change‘, ‘p_change‘,‘ma5‘, ‘ma10‘, ‘ma20‘, ‘v_ma5‘, ‘v_ma10‘, ‘v_ma20‘, ‘turnover‘],dtype=‘object‘)然后使用drop（）函数，删除了换手率‘turnover’列，如下：data.drop(‘turnove...
声明：本系列笔记由本人翻译自https://stat430.hknguyen.org/（有部分删改以便更好学习）
Pandas：Series
什么是SeriesSeries中的索引 切片 筛选操作Series的算术运算
我们要开始学习pandas，就首先需要熟悉pandas中的基础数据结构，本篇中介绍了Series。
1.什么是Series
一个Series是一个类似于一维数组的对象。它包含了一系列数据值(Numpy数组类型)以及一系列可用于索引这些数据值的标签。
利用pandas中的Series()方法可以从一个...
读取csv文件
data = pd.read_csv('路径/文件名.csv',encoding='utf-8')按行读取数据
data = data[: n] # 取前n行按列读取数据
data = data[['列名1', '列名2']]将某列中的特定值进行替换
data['列名'] =data['列名'].replace('被替换值', '替换值') 按列名删除列
data = data.drop(columns=['列名1','列名2'], axis=1)按列值查找行
data.loc[data['列名']=='查找值']查找列值中不符合条件的数据行
data.loc[~data['列名'].isin(['值...
用jupyter写好，直接放到GitHub上面了→_→博客链接：https://douzujun.github.io/page/%E6%95%B0%E6%8D%AE%E6%8C%96%E6%8E%98%E7%AC%94%E8%AE%B0/2-%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90%E5%A4%84%E7%90%86%E5%BA%93pandas/pandas_1.html原文：https://www.cnblogs.com/douzujun/p/8366179.html
import pandas as pd
import numpy as np
import os
print(os.getcwd())print(‘**生成DataFrame****************‘)#concatenating
df1 = pd.DataFrame(np.ones((3,4))*0,columns=[‘a‘,‘b‘,‘c‘,‘d‘])
df2 = pd.DataFrame(np.ones((3,4))*0,columns=[‘a‘,‘b‘,‘c‘,‘d‘])
df3 = pd.DataFrame(np.ones((3,4))*0,columns=[‘a‘,‘b‘,‘c‘,‘d‘])print(df1,‘\n‘,df2,‘\n‘,df3)res = pd.concat([df1,df2,df3],ax...
通过pd.io.sql.to_sql方法将pandas处理后的数据集结果，写入到数据库中：
##连接数据库，将数据集通过pd.io.sql.to_sql方法写入到数据库中##通过create_engine方法连接数据库
from sqlalchemy import create_engine conn = create_engine(mysql+mysqldb://root:123456@192.168.18.111:3306/aaa?charset=utf8)
##output_data为pandas处理后的数据集，如上图，,out_table为目标数据库的表明##if_exists有三个参数： append:表...
1.生成一维数组import numpy as np
import pandas as pd
x = pd.Series([1, 3, 5, np.nan])2.生成二维数组 原文：https://www.cnblogs.com/zhengzhican/p/10749156.html
使用pd.melt()方法
钉钉数据分析的时候把宽数据—>长数据
pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name=‘value’, col_level=None)参数说明 frame:要处理的数据集。 id_vars:不需要被转换的列名。 value_vars:需要转换的列名，如果剩下的列全部都要转换，就不用写了。 var_name和value_name是自定义设置对应的列名。 col_level :如果列是MultiIndex，则使用此级别。示例：
d = {'col1': ['a','b...
AttributeError: module ‘pandas’ has no attribute Series’
使用pycharm出现：但在命令行中能成功运行：那么首先检查，首先检查，首先检查，文件命和pandas 冲突了。
修改文件名，即可解决问题。作者：远方的星 CSDN：https://blog.csdn.net/qq_44921056 腾讯云：https://cloud.tencent.com/developer/column/91164 本文仅用于交流学习，未经作者允许，禁止转载，更勿做其他用途，违者必究。
pandas中Series和Dataframe数据类型互转pandas中series和dataframe数据类型互转利用to_frame()实现Series转DataFrame利用squeeze()实现单列数据DataFrame转Series
s = pd.Series([1,2,3])s0 1
1 2
2 3
dtype: int64s = s.to_frame(name="列名")s
列名011223
s.squeeze()0 1
1 2
2 3
Name: 列名, dtype: int64到这里就结束了，如果对你有帮助，欢迎点赞关注评论，你的点赞对我很重要
Pandas数据处理：导?数据
导出数据
查看数据
数据选取
数据处理
数据分组和排序
数据合并
# 在使用之前，需要导入pandas库
import pandas as pd导?数据：pd.DataFrame() # 自己创建数据框，用于练习pd.read_csv(filename) # 从CSV?件导?数据pd.read_table(filename) # 从限定分隔符的?本?件导?数据pd.read_excel(filename) # 从Excel?件导?数据pd.read_sql(query,connection_object) # 从SQL表/库导?数据pd.read_json(json_string)...
pandas数据索引之loc、iloc、ix详解及实例
先来个总结：
loc函数：通过行索引 "Index" 中的具体值来取行数据（如取"Index"为"A"的行）
iloc函数：通过行号来取行数据（如取第二行的数据）
ix函数：这个东东在pandas后来升级的时候被抛弃掉了，因为它多余了，所以我们忘掉它吧！这里面的核心说道就在于：index它有可能不是从0开始到N排布的（强调的是数据块天生的存储类型的索引，而不是人为设定的不按照套路出牌的那一种），...
pandas：数据分析
pandas是一个强大的Python数据分析的工具包。pandas是基于NumPy构建的。
pandas的主要功能具备对其功能的数据结构DataFrame、Series集成时间序列功能提供丰富的数学运算和操作灵活处理缺失数据
安装方法：pip install pandas引用方法：import pandas as pd
pandas：Series
Series是一种类似于一位数组的对象，由一组数据和一组与之相关的数据标签（索引）组成。
创建方式：
pd.Series([4,7,-5,3])pd.Series([4,7,...
什么是pandas
pandas数据读取
03.?Pandas数据结构
