pandas讀取數據：
import pandas as pd
dataPath = 'test.csv'
data = pd.read_csv(dataPath , sep=',', iterator=False,encoding='utf-8', header=None)
# 其中dataPath 代表讀取的文件的路徑，
# sep代表文件每行分隔的符號
# iterator代表文件讀取時以迭代的方式進行，設置為True可以減少內存占用
# encoding代表讀取文件的字符編碼格式
# header設置為None代表數據中沒有列名，讀取時可以忽略掉列名，默認為infer，其將第一行作為標簽
pandas查看數據：
print data.head() # 查看數據的前5行，括號中可以填數字，代表查看的行數
print data.tail() # 查看數據的后5行，括號中可以填數字，代表查看的行數
print data.shape # 查看data的大小，結果如（1024,10）
pandas刪除行、列：
# 刪除行,刪除了data中的第16、17行
data.drop([16,17],inplace=True) # inplace設置為True則原數據也改變
# 等價于
data.drop(data.index[[16,17]],inplace=True)
# 刪除列，刪除data中標簽為age的列
del data['age']
# 等價于下式，均可添加inplace參數
data.drop(['age'],axis=1)
# 刪除方法詳見 http://www.lxweimin.com/p/67e67c7034f6
pandas排序：
data = data.sort_values(by=['age', 'name']) # 根據by中的參數名進行排序
pandas合并列表
data_12 = pd.merge(data1, data2, on=['age', 'name'], how='outer')
# 將data1和data2兩個DataFrame類型的進行合并，on中代表合并時的主鍵，
# how中可選參數為outer、inner
# outer則得到并集，空缺部分為nan，inner為交集
pandas采樣
DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)
# 例子如下
import pandas as pd
df.sample(n=20000)
n 是要抽取的行數。（例如 n=20000 時，抽取其中的 2W 行）
frac 是抽取的比列。（有一些時候，我們并對具體抽取的行數不關系，我們想抽取其中的百分比，這個時候就可以選擇使用 frac，例如 frac=0.8，就是抽取其中 80%）
replace 抽樣后的數據是否代替原 DataFrame()
weights 這個是每個樣本的權重，具體可以看官方文檔說明。
random_state 隨機數
pandas保存數據：
data.to_csv('baseinfo2.csv', index=False)
# 將data保存到baseinfo2.csv中
# 其中index設置為False為了防止寫入文件時寫入索引。
