DataFrame按行读取：DataFrame之values

http://blog.csdn.net/u014607457/article/details/51290582

    def fill_core(self):
        RatingTable=pd.read_csv(self.path+'/RatingTable.csv',header=None)
        list1=RatingTable.loc[0].values
        print(type(list1))
        print(list1)

        # print(RatingTable.index)RangeIndex(start=0, stop=943, step=1)
        # print(userRatingTable.loc[1][0:-1])
        # for indexs in RatingTable.index:
        #     print(RatingTable.loc[indexs].values)#返回value二维array
            # values[0:] values[0:-1]b是负数，表示去除后几位
            #%.2f是将该浮点数float保留两位小数。2表示保留的位数
            # val[0:-1] 是对字符串的截取操作，str[a：b]表示截取字符串的a开始的位置，b表示结束位置
            # b是负数，表示去出后几位
        # f1=open(self.path+'/RatingTable.csv','r',encoding='utf-8')
        # dict1=[]
        # for line1 in f1.readlines():
        #     tmp=[]
        #     theme_num=line1.strip().split(',')
        #     # print(theme_num)
        #     for g in theme_num:
        #         tmp.append(int(g))
        #     dict1.append(tmp)

pandas是python环境下最有名的数据统计包，而DataFrame翻译为数据框，是一种数据组织方式，这么说你可能无法从感性上认识它，举个例子，你大概用过Excel，而它也是一种数据组织和呈现的方式，简单说就是表格，而在在pandas中用DataFrame组织数据，如果你不print DataFrame，你看不到这些数据，下面我们来看看DataFrame是如何使用的。

首先是引入pandas和numpy，这是经常配合使用的两个包，pandas依赖于numpy，引入以后我们可以直接使用np/pd来表示这个两个模块

先创建一个时间索引，所谓的索引（index)就是每一行数据的id，可以标识每一行的唯一值

  

为了快速入门，我们看一下如何创建一个6X4的数据：randn函数用于创建随机数，参数表示行数和列数，dates是上一步创建的索引列

 

我们还可以使用字典来创建数据框，例如创建一个列名为A的数据框，索引是自动创建的整数

这又是一个字典创建DataFrame的例子

可以使用dtypes来查看各行的数据格式

接着看一下如何查看数据框中的数据，看一下所有的数据

使用head查看前几行数据（默认是前5行），不过你可以指定前几行

查看前三行数据

使用tail查看后5行数据

查看数据框的索引

查看列名用columns

查看数据值，用values

查看描述性统计，用describe

使用type看一下输出的描述性统计是什么样的数据类型——DataFrame数据

使用T来转置数据，也就是行列转换

对数据进行排序，用到了sort，参数可以指定根据哪一列数据进行排序。

好了，这篇入门教程到这里，后面还有很多，希望有志同道合的朋友一起交流学习，有什么说的不对的地方，请批评指正。