|
一、pandas简单介绍 二、Series
三、Series特性
Series支持字典的特性（标签）：  In [12]: s = pd.Series(0,index=['a','b','c','d']) In [13]: s.a Out[13]: 0 In [14]: v = pd.Series({'a':1,'b':2}) In [15]: v.a Out[15]: 1 In [16]: v.b Out[16]: 2 In [17]: v[0] Out[17]: 1 In [18]: s*2 Out[18]: a 0 b 0 c 0 d 0 dtype: int64 In [19]: v*2 Out[19]: a 2 b 4 dtype: int64 四、整数索引 五、pandas：Series数据对齐 例： 如何在两个Series对象相加时将缺失值设为0？
六、pandas：Series缺失数据
查看数据常用属性及方法：
index 获取索引
T 转置
columns 获取列索引
values 获取值数组
describe() 获取快速统计
DataFrame各列name属性：列名
rename(columns={})
九、pandas：DataFrame索引和切片 通过标签获取：
df['A']
df[['A', 'B']]
df['A'][0]
df[0:10][['A', 'C']]
df.loc[:,['A','B']] #行是所有的行，列取是A和B的
df.loc[:,'A':'C']
df.loc[0,'A']
df.loc[0:10,['A','C']]
通过位置获取：
df.iloc[3]
df.iloc[3,3]
df.iloc[0:3,4:6]
df.iloc[1:5,:]
df.iloc[[1,2,4],[0,3]]、
通过布尔值过滤：
df[df['A']>0]
df[df['A'].isin([1,3,5])]
df[df<0] = 0
十、pandas：DataFrame数据对齐与缺失数据 DataFrame处理缺失数据的相关方法： 十一、pandas：其他常用方法 - mean #求平均值 - sum #求和 - sort_index #按行或列索引排序 - sort_values #按值排序 - apply(func,axis=0) #axis=0指的是逐行，axis=1指的是逐列。 df.apply(lamada x:x.mean()) #按列求平均 df.apply(lamada x:x['high']+x["low"])/2,axis=1) #按列求平均（最高价和最低价的平均） df.apply(lamada x:x['high']+x["low"])/2,axis=1) #按列求平均（最高价和最低价的平均） - applymap(func) #将函数应用在DataFrame各个元素上 - map(func) #将函数应用在Series各个元素上  十二、pandas：时间对象处理 时间序列类型：
时间戳：特定时刻
固定时期：如2017年7月
时间间隔：起始时间-结束时间
Python标准库：datetime
datetime.datetime.timedelta # 表示 时间间隔
dt.strftime() #f：format吧时间对象格式化成字符串
strptime() #吧字符串解析成时间对象p：parse
灵活处理时间对象：dateutil包
dateutil.parser.parse('2018/1/29')
成组处理时间对象：pandas
pd.to_datetime(['2001-01-01', '2002-02-02'])
产生时间对象数组：date_range
--start 开始时间
--end 结束时间
--periods 时间长度
--freq 时间频率，默认为'D'，可选H(our),W(eek),B(usiness),S(emi-)M(onth),(min)T(es), S(econd), A(year),…
十三、pandas：时间序列 十四、pandas：从文件读取 1、时间序列就是以时间对象作为索引
--读取文件：从文件名、URL、文件对象中加载数据
--read_csv 默认分隔符为csv
--read_table 默认分隔符为\t
--read_excel 读取excel文件
2、读取文件函数主要参数：
--sep 指定分隔符，可用正则表达式如'\s+'
--header=None 指定文件无列名
--name 指定列名
--index_col 指定某列作为索引
--skip_row 指定跳过某些行
--na_values 指定某些字符串表示缺失值
--parse_dates 指定某些列是否被解析为日期，布尔值或列表
df = pd.read_csv("601318.csv") #默认以,为分隔符
- pd.read_csv("601318.csv",sep='\s+') #匹配空格，支持正则表达式
- pd.read_table("601318.csv",sep=',') #和df = pd.read_csv("601318.csv") 一样
- pd.read_excle("601318.xlsx") #读Excel文件
sep：指定分隔符
header = NOne,就会吧默认的表名去除 了
df.rename(column={0:'a',1:"b"}) #修改列名
pd.read_csv(index_col=0) #第0列
如果想让时间成为索引
pd.read_csv(index_col='date') #时间列
pd.read_csv(index_col='date',parse_datas=True) #时间列
parse_datas转换为时间对象，设为true是吧所有能转的都转
pd.read_csv(index_col='date',parse_datas=['date']) #知识吧date的那一列转换成时间对象
na_values=['None'] #吧表里面为None的转换成NaN，是吧字符串转换成缺失值
na_rep() #是吧缺失值nan转换成字符串
cols #指定输出的列，传入列表
十五、pandas：写入到文件 --sep 十六、pandas:数据分组与聚合 【分组】
df = pd.DateFrame({
'data1':np.random.uniform(10,20,5),
'data2':np.random.uniform(-10,10,5),
'key1':list("sbbsb")
'key2':
})
df.groupby('key1').mean() #做平均
df.groupby('key1').sum() #做平均
df.groupby(['key1','key2']).mean() #做平均 支持分层索引，按多列分组
df.groupby(len).mean() #传一个函数的时候，x是每一个行的索引
df.groupby(lambda x:len(x)).mean() #传一个函数的时候，x是每一个行的索引
df.groupby.groups() #取得多有的组
df.groupby.get_group() #取得一个组
【聚合】
df.groupby('key1').max()[['data1','data2']] #去掉key2的data1，data2，花式索引
df.groupby('key1').max()[['data1','data2']]- df.groupby('key1').min()[['data1','data2']] #去掉key2
df.groupby('key1').agg(lamada x:x.max()-x.min())
既想看最大也可看最小
df.groupby('key1').agg([np.max,np.min])
不同的列不一样的聚合
df.groupby('key1').agg({'data1':'min','data2':'max'}) #键是列名，值是
a=_219 #219行的代码
a.resample('3D'),mean() #3D 3天，3M就是三周
【数据合并】
- 数据拼接
df = df.copy()
pd.concat([df,df2,df3],ignore_index=True) #不用之前的索引，
pd.concat([df,df2,df3],axis=1) #列
pd.concat([df,df2,df3],keys=['a','b','c']) #不用之前的索引，
df2.appeng(df3)
- 数据连接
如果不指定on，默认是行索引进行join
pd.merge(df,df3,on='key1')
pd.merge(df,df3,on='['key1','key2'])
|
|
|
