Pyhton - 数据分析之pandas模块一览总表( 七 ) _索引

()
计算各个窗口中非NA观测值的数量
()
计算各个移动窗口中的元素之和
()
计算各个移动窗口中元素的均值
()
计算各个移动窗口中元素的中位数
()
计算各个移动窗口中元素的方差
()
计算各个移动窗口中元素的标准差
()
计算各个移动窗口中元素的最小值
()
计算各个移动窗口中元素的最大值
()
计算各个移动窗口中元素的相关系数
e()
计算各个移动窗口中配对数据的相关系数
()
计算各个移动窗口中元素的的协方差
()
计算各个移动窗口中元素的分位数
df.(=1, =False, axis=0)
扩展窗口函数，可应用于一系列数据，类似()函数的累计求和，其优势在于还可以进行更多的聚类计算。【指定 = n参数并在其上调用适当的统计函数。和.()函数参数用法相同，不同的是，其不是固定窗口长度，其长度是不断的扩大的。】#df.(=3).mean()设置=3，也就是至少3个数取一个均值。,为NaN，是因为它们前面都不够3个数，等到的时候，它的值计算方式为(++)/3，的值就是(+++)/3，第n个元素的值将是n，n-1，n-2…’1’这n个元素的平均值。
df.ewm(com=None, span=None, =None, alpha=None, =0, =True, =False, axis=0)
指数加权滑动函数，可应用于系列数据，指定com，span，参数，并在其上调用适当的统计函数。该函数表示指数加权滑动，使用场景较少。#df.ewm(com=0.5).mean()
三、数据读取与写入 1. 处理excel表格有表头和无表头区别
对内容的读取分有表头和无表头两种方式，默认情形下是有表头的方式，即将第一行元素自动置为表头标签，其余内容为数据；当在()方法中加上=None参数时是不加表头的方式，即从第一行起，全部内容为数据。读取到的Excel数据均构造成并返回表格类型(以下以df表示) 。
对有表头的方式，读取时将自动地将第一行元素置为表头向量，同时为除表头外的各行内容加入行索引（从0开始）、各列内容加入列索引（从0开始）。
对无表头的方式，读取时将自动地为各行内容加入行索引（从0开始）、为各列内容加入列索引（从0开始），行索引从第一行开始。
.(io, =0, =0, names=None, =None, =None, =None, dtype=None, =None, =None, =None, =None, =None, nrows=None, =None, =True, =True, =False, =False, =None, =None, =’.’, =None, =0, =None, =True, =None)
读取() 主要参数解释
io
文件路径。
(str, int, list, None,0)
sheet名称。【str字符串用于引用的’sheet的名称’；int整数用于引用的sheet的索引（从0开始）； list字符串或整数组成的列表用于引用特定的sheet； None表示引用所有sheet；0默认为0，表示不输入的参数下，默认引用第一张sheet的数据】# =0读取第1张表格,=[‘A1’,1]读取’A1’和第1张表格。
(int, list of int,0)
指定标题行，默认=0第一行为标题，可以设置多行如[0,1]为标题行。# =1选择第二行为表头，第一行数据就不要。[1,2,3]选择第2,3,4行的数据作为表头，第二行之上的数据不用。None表示不使用数据源中的表头，即整个表格作为数据读取。仅为整数就是让这一行称为列标签，如果是列表包含多个整数，含义是这几行都是列标签。
names (array-like,None)
自定义表头的名称，需要传递数组参数。在=None的前提下，补充列名。
(int, list of int,None)
指定列为索引列【默认为None，也就是索引为0的列用作的行标签。int整数指定第几列为索引列；list of int选择列表中的整数列为索引列。】# =0指定第1列作为索引列。设置多列索引=[0,1] 。