zhangxiaojiakele 2020-02-23
Pandas [1] 是python的一个数据分析包,最初由AQR Capital Management于2008年4月开发,并于2009年底开源出来,目前由专注于Python数据包开发的PyData开发team继续开发和维护,属于PyData项目的一部分。Pandas最初被作为金融数据分析工具而开发出来,因此,pandas为时间序列分析提供了很好的支持。 Pandas的名称来自于面板数据(panel data)和python数据分析(data analysis)。panel data是经济学中关于多维数据集的一个术语,在Pandas中也提供了panel的数据类型。
终端输入
Jupyter Notebook
导入相关模块
import numpy as np import pandas as pd from pandas import Series, DataFrame
Series是一种类似于一维数组的对象,它由一组数据(各种NumPy数据类型)以及一组与之相关的数据标签(即索引)组成。
实质上是创建了一个 Series 对象,这也就说明了为什么会有index和values.
Series自定义索引
Series自定义索引的另一种方法
在这里就引入另一个概念“自动对齐”。自定义的索引会自动去寻找原来的索引,如果一样的,就取出原来索引对应的值。
在 Pandas 中,如果没有值,都对齐赋给 NaN。
当然上面的代码也可以写成这样
Series判断值是否为空
一个Datarame表示一个表格,类似电子表格的数据结构,包含一个经过排序的列表集,它们没一个都可以有不同的类型值(数字,字符串,布尔等等)。Datarame有行和列的索引;它可以被看作是一个Series的字典(每个Series共享一个索引)。
构建DataFrame最常用的方法——直接传入一个由等长列表或NumPy数组组成的字典
如果指定了列序列,则DataFrame的列就会按照指定的顺序进行排列
如果传入的列在数据中找不到,就会产生NAN值
通过行、列进行获取
Series的reindex将会根据新索引进行,如果某个索引值当前不存在,就引入缺失值
reindex的method选项
对于DataFrame,reindex可以修改行、列或者两个都可以修改。如果仅传入一个序列,则会重新索引行
参数 | 说明 |
---|---|
index | 用作索引的新序列。既可以是index实例,也可以是其他序列型python数据结构 |
method | 插值方式 |
fill_value | 在重新索引过程中,需要引入缺失值时使用的代替值 |
limit | 前向或后向填充时的最大填充量 |
level | 在Multilndex的指定级别上匹配简单索引,否则选取其子集 |
copy | 默认为true,无论如何都复制;如果为false,则新旧相等就不复制 |
类型 | 说明 |
---|---|
obj[val] | 选取DataFrame的单个列或一组列。在一些特殊的情况下会比较便利:布尔型数组(过滤行) |
obj.ix[val] | 选取DataFrame的单个行或一组行 |
obj.ix[:,val] | 选取单个列或列子集 |
obj.ix[val1,val2] | 同时选取行和列 |
reindex方法 | 将一个或多个轴匹配到新索引 |
xs方法 | 根据标签选取单行或单列,并返回一个Series |
icol、irow方法 | 根据整数位置选取单行或单列,并返回一个Series |
get_value、set_value方法 | 根据行标签或列标签选取单个值 |
计算的时候总共分3步,1到2是第二组......lower: i. 这组数据中的小值 higher: j. 这组数据中的大值,fraction 是第三步中的小数部分,意思是当前这组数据的0到1的分位数
Series是一种类似于一维数组的对象,由一组数据以及一组与之对应的索引组成。 index: 索引序列,必须是唯一的,且与数据的长度相同. 如果没有传入索引参数,则默认会自动创建一个从0~N的整数索引