新手新篇
Hello pandas
碰到一些Python或者pandas的初学者，很多基础的语法和使用方法都还没有学会就开始打算用Tushare进行数据分析，毫无疑问会无从下手甚至开始怀疑人生直到放弃。
其实只要稍微花一点时间学习一下基础知识，就会变得豁然开朗，再深入学习后就得心应手了。
以下是一个用户发来的学习笔记（欢迎更多用户投稿~_~），从入门到精通，只差比别人少玩了几轮游戏。
写在前面
网上介绍python之pandas库非常多，这篇从sql语言的角度解读，相信更适合有sql语言（MySql）基础的你，像使用sql一样搞定pandas。
依然要说安装，本篇案例数据均取自tushare。
1、安装pandas，如果你安装的是anaconda，那么就不用单独安装了，因为anaconda已经集成了pandas。
2、安装tushare库
Windows系统(win7及以上)
a)打开Anaconda Prompt
b)输入命令：pip install tushare
c)按“Enter”键
安装tushare，如果你看过前篇《python数据处理之入门》，在“安装python”之“安装python库”章节亦可见。
还是那句话，最重要的是业务，python是帮你实现的工具。
创建表
对于mysql而言，要查看或处理其数据，首先数据肯定得是存储在某个表中，这个表是个二维的结构。
在mysql创建表的语句是create table ……
那么在pandas里，这种二维的数据结构是怎么呈现的呢？他叫DataFrame，创建一个DataFrame就相当于创建了一张表。
比如，在tushare返回的日行情数据（get_k_data）结果就是DataFrame。
上代码：
运行结果：
这个运行结果是不是超级熟悉？
说说索引
第1列，是不是类似你们经常看到的自增长ID，那么在DataFrame，他叫index(索引)，这个索引非常重要，在将来的数据分析计算使用非常频繁。
所以，对于这个index，pandas也提供了一些函数满足你对他的要求，比如set_index，reset_index，举个set_index的例子，当我想使用date列作为索引的时候，请看下面截图代码：
运行结果：
字段
从上面截图可以一目了然的看到字段，对字段的操作，mysql有ALTER命名，那么对于pandas是什么样的呢，字段其实是个一维的结构，在pandas里面叫Series。
加个字段
我想加个字段，内容为”Boss出品”
这样这个新的字段就加上了，并且赋了值
请看执行结果：
删个字段
有字段我不想要，怎么办，简单哈，删字段呗，pandas提供了drop函数可以用来删字段，当日，也可以使用筛选filter，等等
比如，对于调出的数据结果，开高低价格用不上，那就去掉。
细心的你一定看到了axis这个参数，没错drop可以删除列，也可以对行进行删除。
执行结果：
我很懒，截个执行结果的图都不想干，咱们自己写代码，亲自执行看结果。
修改字段
Pandas不需要指定数据类型，那么就只剩下修改列名了。
你们想改哪个字段名，我想把date修改为trade_date。
执行结果：
懒！
数据查询
像写SQL一样，使用pandas
实现select
sql查询，select后面跟着的就是选字段，
pandas，哇！！！他更牛，不但可以根据列名来选，还能根据位置来选。
1、根据列名来选
filter，loc，at，ix，drop（drop是反向的，参见”删个字段”），以loc为例，at与loc相近。
另外，还有一种类似切片的方法，如下：
df2 = df[['date', 'code', 'close']]
2、根据位置来选
iloc，iat，ix
以iloc为例，iat与iloc相近
说说ix
细心的你们肯定又注意到了，根据列表和位置来选，都有ix。
ix，既能当loc用，又能当iloc用，兼有根据列名和位置筛选筛选两种功能
实现where
1、loc，iloc，at，iat，ix
使用位置过滤
还记得前面说过，pandas的index很常用吗，没错，在数据过滤查询里就会用到了。使用loc，iloc，at，iat，ix过滤，上述截图，大家注意到没有，无论是根据列名，还是根据位置选择列，在前面都有个冒号“:”
没错，这个就是用来做行筛选的，相当于mysql中的where
执行结果，在筛选的index范围内，不过你们注意没有，loc与iloc的过滤结果略微有些差异：
执行结果：
很明显，使用loc，包含了筛选使用的索引，而iloc没有。
这个是使用数字序列，如果使用日期作为索引，大家的感受可能会更深一些，
比如：
先设置了日期列作为索引，再使用loc对数据进行行列筛选。
--什么？
--执行什么？
--什么结果？
--结什么果？
算了，咱们敲一遍代码，自己执行看结果吧。
查询筛选
pandas对行的筛选必须要使用index（索引）吗？非也，非也，mysql里有的，pandas肯定能满足你，请继续往下看：
mysql里筛选使用的and，or，in，not in之pandas实现。
为了举例更方便，让大家更直观，我在tushare.get_k_data调了浦发银行、万科两只股票的行情。
代码运行后，就有了浦发银行、万科的日行情。
1、and之实现
筛选出浦发银行2018年1月11日的行情
使用符号“&”
2、or之实现
筛选收盘价大于35元，或浦发银行2018年1月11日的行情
使用符号“|”
3、 in之实现
筛选浦发银行、万科，2018年1月11日和12日两天的日行情
4、not in 之实现
筛选浦发银行、万科，不要2018年1月11日和12日这两天的日行情
另外，还可以使用query函数来构造筛选，如，筛选出浦发银行日行情：
order排序
对应mysql之order by
pandas有使用索引排序或使用列排序两种选择，分别是：sort_index, sort_values，使用参数ascending（True、False）来满足对升序或降序的要求，比如
1、使用索引，按降序排列
2、按收盘价，升序排列
参数ascending默认等于True升序排列，所以不用写了。
取n行
对应mysql之limit
pandas不但能取前n行，还提供函数可以取后n行，分别是head()、tail()
如，取前4行、后4行
MySql通常有先排序，再limit，pandas同样可以一行代码实现
去重
对应MySql之distinct
在数据查询中，通常会使用去重，对应的pandas函数是drop_duplicates，并且更前大的是drop_duplicates提供了参数keep，供你选择保留第1条，亦或是将重复数据全删除。
空值
对应MySql之Null
pandas有空日期pd.NaT，空值None，空值亦或称之为缺失值
1、缺失值筛选
MySql的筛选通常有where date is null，或is not null
pandas对应的筛选办法是
df = df[df['close'].isnull()]
df = df[df['close'].notnull()]
代码：