在用python数据分析时一些应用

1,当指定某列为索引的时候，我们仍然可以用行数：使用irow()、icol()方法

                    例子：df.irow(0)  来获取第0行

2、利用DataFrame中的列做列表解析时候，需要强制类型转换：

                    age = [2016 - int(str(df.loc[i,'证件号码'])[6:10]) for i in df.index ]   虽然 df.loc[i,'证件号码'] type的时候是字符型，但放到列表解析的时候貌似不是了，所以必须转换一下

3、 身份证变为号码还有另外一种方法：

                    from operator import mod

                    mod(int(df.证件号码[i].replace('X','0'))%100000000,10000)

4、关于看某位置是否为空值时候需要注意：

             np.isnan( 这里的类型可以是链表，或者array类型)，对pandas 的Series类型不可用，但是可以进行 array类型转换

             Series类型看时候是空值 用 isnull()函数，例如：df['证件号码'].isnull().ix[i] == False

5、删掉有空值的列

6、用pandas画直方图

1. df['Age'].dropna().hist(bins=16, range=(0,80), alpha = .5) 
2. #bins -- 长方形个数，range --横轴范围，alpha -- 透明度 

7、判断字符串为空  s.isspace()

8、关于随机 

      （1）state = random.choice(list(range(10))) #在0-9中随机选择一个值

       （2）sampler = np.random.permutation(5) #0-4随机排序，

                         然后把这个放进reindex中  

            df.reindex(sampler)

9、随机抽样 

    （1）在‘数袋子’里面 随机抽取   

                    

>>> bag = np.array([5,7,-1,6,4])>>> sampler = np.random.randint(0,len(bag),size=10)>>> bag.take(sampler)array([5, 5, 7, 5, 7, 5, 6, 7, 7, 4])>>> bag[sampler]array([5, 5, 7, 5, 7, 5, 6, 7, 7, 4])

    （2）在一个序列里面随机选出  number个 

              slice = random.sample(list(range(10)), 3)#number=3