Pandas模組：表計算與資料分析
阿新 • • 發佈：2019-01-12
一、pandas簡單介紹
1、pandas是一個強大的Python資料分析的工具包。
2、pandas是基於NumPy構建的。
3、pandas的主要功能
- 具備對其功能的資料結構DataFrame、Series
- 整合時間序列功能
- 提供豐富的數學運算和操作
- 靈活處理缺失資料
4、安裝方法：pip install pandas
5、引用方法：import pandas as pd
二、Series
Series是一種類似於一位陣列的物件，由一組資料和一組與之相關的資料標籤（索引）組成。
建立方式： pd.Series([4,7,-5,3]) pd.Series([4,7,-5,3],index=['a','b','c','d']) pd.Series({'a':1, 'b':2}) pd.Series(0, index=['a','b','c','d’])
三、Series特性
Series支援陣列的特性：
- 從ndarray建立Series：Series(arr)
- 與標量運算：sr*2
- 兩個Series運算：sr1+sr2
- 索引：sr[0], sr[[1,2,4]]
- 切片：sr[0:2]（切片依然是檢視形式）
- 通用函式：np.abs(sr)
- 布林值過濾：sr[sr>0]
統計函式：
- mean() #求平均數
- sum() #求和
- cumsum() #累加
Series支援字典的特性（標籤）：
- 從字典建立Series：Series(dic),
- in運算：’a’ in sr、for x in sr
- 鍵索引：sr['a'], sr[['a', 'b', 'd']]
- 鍵切片：sr['a':'c']
- 其他函式：get('a', default=0)等
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、整數索引
整數索引的pandas物件往往會使新手抓狂。
例：
- sr = np.Series(np.arange(4.))
- sr[-1]
如果索引是整數型別，則根據整數進行資料操作時總是面向標籤的。
- loc屬性 以標籤解釋
- iloc屬性 以下標解釋
五、pandas：Series資料對齊
pandas在運算時，會按索引進行對齊然後計算。如果存在不同的索引，則結果的索引是兩個運算元索引的並集。 例： sr1 = pd.Series([12,23,34], index=['c','a','d']) sr2 = pd.Series([11,20,10], index=['d','c','a',]) sr1+sr2 sr3 = pd.Series([11,20,10,14], index=['d','c','a','b']) sr1+sr3 如何在兩個Series物件相加時將缺失值設為0？ sr1.add(sr2, fill_value=0) 靈活的算術方法：add, sub, div, mul
六、pandas：Series缺失資料
1、缺失資料：使用NaN（Not a Number）來表示缺失資料。其值等於np.nan。內建的None值也會被當做NaN處理。
2、處理缺失資料的相關方法：
- dropna() 過濾掉值為NaN的行
- fillna() 填充缺失資料
- isnull() 返回布林陣列，缺失值對應為True
- notnull() 返回布林陣列，缺失值對應為False
3、過濾缺失資料：sr.dropna() 或 sr[data.notnull()]
4、填充缺失資料：fillna(0)
七、pandas：DataFrame
DataFrame是一個表格型的資料結構，含有一組有序的列。
DataFrame可以被看做是由Series組成的字典，並且共用一個索引。
建立方式：
- pd.DataFrame({'one':[1,2,3,4],'two':[4,3,2,1]})
- pd.DataFrame({'one':pd.Series([1,2,3],index=['a','b','c']), 'two':pd.Series([1,2,3,4],index=['b','a','c','d'])})
- ……
csv檔案讀取與寫入：
- df.read_csv('E:\演算法\day110 Numpy、Pandas模組\601318.csv')
- df.to_csv()
八、pandas：DataFrame檢視資料
檢視資料常用屬性及方法：
index 獲取索引
T 轉置
columns 獲取列索引
values 獲取值陣列
describe() 獲取快速統計
DataFrame各列name屬性：列名
rename(columns={})
九、pandas：DataFrame索引和切片
1、DataFrame有行索引和列索引。
2、DataFrame同樣可以通過標籤和位置兩種方法進行索引和切片。
3、DataFrame使用索引切片：
- 方法1：兩個中括號，先取列再取行。 df['A'][0]
- 方法2（推薦）：使用loc/iloc屬性，一箇中括號，逗號隔開，先取行再取列。
loc屬性：解釋為標籤
iloc屬性：解釋為下標
向DataFrame物件中寫入值時只使用方法2
行/列索引部分可以是常規索引、切片、布林值索引、花式索引任意搭配。（注意：兩部分都是花式索引時結果可能與預料的不同）
通過標籤獲取： 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']] 通過位置獲取： df.iloc[3] df.iloc[3,3] df.iloc[0:3,4:6] df.iloc[1:5,:] df.iloc[[1,2,4],[0,3]]、 通過布林值過濾：
df[df['A']>0]
df[df['A'].isin([1,3,5])]
df[df<0] = 0
十、pandas：DataFrame資料對齊與缺失資料
DataFrame物件在運算時，同樣會進行資料對齊，行索引與列索引分別對齊。
結果的行索引與列索引分別為兩個運算元的行索引與列索引的並集。
DataFrame處理缺失資料的相關方法：
- dropna(axis=0,where=‘any’,…) 過濾掉值為NaN的行
- fillna() 填充缺失資料
- isnull() 返回布林陣列，缺失值對應為True
- notnull() 返回布林陣列，缺失值對應為False
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（最高價和最低價的平均） df.apply(lamada x:x['high']+x["low"])/2,axis=1) #按列求平均（最高價和最低價的平均） - applymap(func) #將函式應用在DataFrame各個元素上 - map(func) #將函式應用在Series各個元素上
十二、pandas：時間物件處理
時間序列型別： 時間戳：特定時刻 固定時期：如2017年7月 時間間隔：起始時間-結束時間 Python標準庫：datetime datetime.datetime.timedelta # 表示 時間間隔 dt.strftime() #f：format吧時間物件格式化成字串 strptime() #吧字串解析成時間物件p：parse 靈活處理時間物件：dateutil包 dateutil.parser.parse('2018/1/29') 成組處理時間物件：pandas pd.to_datetime(['2001-01-01', '2002-02-02'])
產生時間物件陣列：date_range
- start 開始時間
- end 結束時間
- periods 時間長度
- freq 時間頻率，預設為'D'，可選H(our),W(eek),B(usiness),S(emi-)M(onth),(min)T(es), S(econd), A(year),…
十三、pandas：時間序列
1、時間序列就是以時間物件為索引的Series或DataFrame。
2、datetime物件作為索引時是儲存在DatetimeIndex物件中的。
3、時間序列特殊功能：
- 傳入“年”或“年月”作為切片方式
- 傳入日期範圍作為切片方式
- 豐富的函式支援：resample(), strftime(), ……
- 批量轉換為datetime物件：to_pydatetime()
十四、pandas：從檔案讀取
1、時間序列就是以時間物件作為索引
- 讀取檔案：從檔名、URL、檔案物件中載入資料
- read_csv 預設分隔符為csv
- read_table 預設分隔符為\t
- read_excel 讀取excel檔案
2、讀取檔案函式主要引數：
- sep 指定分隔符，可用正則表示式如'\s+'
- header=None 指定檔案無列名
- name 指定列名
- index_col 指定某列作為索引
- skip_row 指定跳過某些行
- na_values 指定某些字串表示缺失值
- parse_dates 指定某些列是否被解析為日期，布林值或列表
df = pd.read_csv("601318.csv") #預設以,為分隔符 - pd.read_csv("601318.csv",sep='\s+') #匹配空格，支援正則表示式 - pd.read_table("601318.csv",sep=',') #和df = pd.read_csv("601318.csv") 一樣 - pd.read_excle("601318.xlsx") #讀Excel檔案 sep：指定分隔符 header = NOne,就會吧預設的表名去除 了 df.rename(column={0:'a',1:"b"}) #修改列名 pd.read_csv(index_col=0) #第0列 如果想讓時間成為索引 pd.read_csv(index_col='date') #時間列 pd.read_csv(index_col='date',parse_datas=True) #時間列 parse_datas轉換為時間物件，設為true是吧所有能轉的都轉 pd.read_csv(index_col='date',parse_datas=['date']) #知識吧date的那一列轉換成時間物件 na_values=['None'] #吧表裡面為None的轉換成NaN，是吧字串轉換成缺失值 na_rep() #是吧缺失值nan轉換成字串 cols #指定輸出的列，傳入列表
十五、pandas：寫入到檔案
1、寫入到檔案：
- to_csv
2、寫入檔案函式的主要引數：
- sep
- na_rep 指定缺失值轉換的字串，預設為空字串
- header=False 不輸出列名一行
- index=False 不輸出行索引一列
- cols 指定輸出的列，傳入列表
3、其他檔案型別：json, XML, HTML, 資料庫
4、pandas轉換為二進位制檔案格式（pickle）:
- save
- load
十六、pandas:資料分組與聚合
分組 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 支援分層索引，按多列分組 df.groupby(len).mean() #傳一個函式的時候，x是每一個行的索引 df.groupby(lambda x:len(x)).mean() #傳一個函式的時候，x是每一個行的索引 df.groupby.groups() #取得多有的組 df.groupby.get_group() #取得一個組 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]) 不同的列不一樣的聚合 df.groupby('key1').agg({'data1':'min','data2':'max'}) #鍵是列名，值是 a=_219 #219行的程式碼 a.resample('3D'),mean() #3D 3天，3M就是三週 資料合併 - 資料拼接 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) - 資料連線 如果不指定on，預設是行索引進行join pd.merge(df,df3,on='key1') pd.merge(df,df3,on='['key1','key2'])
一、pandas簡單介紹
1、pandas是一個強大的Python資料分析的工具包。
2、pandas是基於NumPy構建的。
3、pandas的主要功能
- 具備對其功能的資料結構DataFrame、Series
- 整合時間序列功能
- 提供豐富的數學運算和操作
- 靈活處理缺失資料
4、安裝方法：pip install pandas
5、引用方法：import pandas as pd
二、Series
Series是一種類似於一位陣列的物件，由一組資料和一組與之相關的資料標籤（索引）組成。
建立方式： pd.Series([4,7,-5,3]) pd.Series([4,7,-5,3],index=['a','b','c','d']) pd.Series({'a':1, 'b':2}) pd.Series(0, index=['a','b','c','d’])
三、Series特性
Series支援陣列的特性：
- 從ndarray建立Series：Series(arr)
- 與標量運算：sr*2
- 兩個Series運算：sr1+sr2
- 索引：sr[0], sr[[1,2,4]]
- 切片：sr[0:2]（切片依然是檢視形式）
- 通用函式：np.abs(sr)
- 布林值過濾：sr[sr>0]
統計函式：
- mean() #求平均數
- sum() #求和
- cumsum() #累加
Series支援字典的特性（標籤）：
- 從字典建立Series：Series(dic),
- in運算：’a’ in sr、for x in sr
- 鍵索引：sr['a'], sr[['a', 'b', 'd']]
- 鍵切片：sr['a':'c']
- 其他函式：get('a', default=0)等
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、整數索引
整數索引的pandas物件往往會使新手抓狂。
例：
- sr = np.Series(np.arange(4.))
- sr[-1]
如果索引是整數型別，則根據整數進行資料操作時總是面向標籤的。
- loc屬性 以標籤解釋
- iloc屬性 以下標解釋
五、pandas：Series資料對齊
pandas在運算時，會按索引進行對齊然後計算。如果存在不同的索引，則結果的索引是兩個運算元索引的並集。 例： sr1 = pd.Series([12,23,34], index=['c','a','d']) sr2 = pd.Series([11,20,10], index=['d','c','a',]) sr1+sr2 sr3 = pd.Series([11,20,10,14], index=['d','c','a','b']) sr1+sr3 如何在兩個Series物件相加時將缺失值設為0？ sr1.add(sr2, fill_value=0) 靈活的算術方法：add, sub, div, mul
六、pandas：Series缺失資料
1、缺失資料：使用NaN（Not a Number）來表示缺失資料。其值等於np.nan。內建的None值也會被當做NaN處理。
2、處理缺失資料的相關方法：
- dropna() 過濾掉值為NaN的行
- fillna() 填充缺失資料
- isnull() 返回布林陣列，缺失值對應為True
- notnull() 返回布林陣列，缺失值對應為False
3、過濾缺失資料：sr.dropna() 或 sr[data.notnull()]
4、填充缺失資料：fillna(0)
七、pandas：DataFrame
DataFrame是一個表格型的資料結構，含有一組有序的列。
DataFrame可以被看做是由Series組成的字典，並且共用一個索引。
建立方式：
- pd.DataFrame({'one':[1,2,3,4],'two':[4,3,2,1]})
- pd.DataFrame({'one':pd.Series([1,2,3],index=['a','b','c']), 'two':pd.Series([1,2,3,4],index=['b','a','c','d'])})
- ……
csv檔案讀取與寫入：
- df.read_csv('E:\演算法\day110 Numpy、Pandas模組\601318.csv')
- df.to_csv()
八、pandas：DataFrame檢視資料
檢視資料常用屬性及方法：
index 獲取索引
T 轉置
columns 獲取列索引
values 獲取值陣列
describe() 獲取快速統計
DataFrame各列name屬性：列名
rename(columns={})
九、pandas：DataFrame索引和切片
1、DataFrame有行索引和列索引。
2、DataFrame同樣可以通過標籤和位置兩種方法進行索引和切片。
3、DataFrame使用索引切片：
- 方法1：兩個中括號，先取列再取行。 df['A'][0]
- 方法2（推薦）：使用loc/iloc屬性，一箇中括號，逗號隔開，先取行再取列。
loc屬性：解釋為標籤
iloc屬性：解釋為下標
向DataFrame物件中寫入值時只使用方法2
行/列索引部分可以是常規索引、切片、布林值索引、花式索引任意搭配。（注意：兩部分都是花式索引時結果可能與預料的不同）
通過標籤獲取： 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']] 通過位置獲取： df.iloc[3] df.iloc[3,3] df.iloc[0:3,4:6] df.iloc[1:5,:] df.iloc[[1,2,4],[0,3]]、 通過布林值過濾：
df[df['A']>0]
df[df['A'].isin([1,3,5])]
df[df<0] = 0
十、pandas：DataFrame資料對齊與缺失資料
DataFrame物件在運算時，同樣會進行資料對齊，行索引與列索引分別對齊。
結果的行索引與列索引分別為兩個運算元的行索引與列索引的並集。
DataFrame處理缺失資料的相關方法：
- dropna(axis=0,where=‘any’,…) 過濾掉值為NaN的行
- fillna() 填充缺失資料
- isnull() 返回布林陣列，缺失值對應為True
- notnull() 返回布林陣列，缺失值對應為False
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（最高價和最低價的平均） df.apply(lamada x:x['high']+x["low"])/2,axis=1) #按列求平均（最高價和最低價的平均） - applymap(func) #將函式應用在DataFrame各個元素上 - map(func) #將函式應用在Series各個元素上
十二、pandas：時間物件處理
時間序列型別： 時間戳：特定時刻 固定時期：如2017年7月 時間間隔：起始時間-結束時間 Python標準庫：datetime datetime.datetime.timedelta # 表示 時間間隔 dt.strftime() #f：format吧時間物件格式化成字串 strptime() #吧字串解析成時間物件p：parse 靈活處理時間物件：dateutil包 dateutil.parser.parse('2018/1/29') 成組處理時間物件：pandas pd.to_datetime(['2001-01-01', '2002-02-02'])
產生時間物件陣列：date_range
- start 開始時間
- end 結束時間
- periods 時間長度
- freq 時間頻率，預設為'D'，可選H(our),W(eek),B(usiness),S(emi-)M(onth),(min)T(es), S(econd), A(year),…
十三、pandas：時間序列
1、時間序列就是以時間物件為索引的Series或DataFrame。
2、datetime物件作為索引時是儲存在DatetimeIndex物件中的。
3、時間序列特殊功能：
- 傳入“年”或“年月”作為切片方式
- 傳入日期範圍作為切片方式
- 豐富的函式支援：resample(), strftime(), ……
- 批量轉換為datetime物件：to_pydatetime()
十四、pandas：從檔案讀取
1、時間序列就是以時間物件作為索引
- 讀取檔案：從檔名、URL、檔案物件中載入資料
- read_csv 預設分隔符為csv
- read_table 預設分隔符為\t
- read_excel 讀取excel檔案
2、讀取檔案函式主要引數：
- sep 指定分隔符，可用正則表示式如'\s+'
- header=None 指定檔案無列名
- name 指定列名
- index_col 指定某列作為索引
- skip_row 指定跳過某些行
- na_values 指定某些字串表示缺失值
- parse_dates 指定某些列是否被解析為日期，布林值或列表
df = pd.read_csv("601318.csv") #預設以,為分隔符 - pd.read_csv("601318.csv",sep='\s+') #匹配空格，支援正則表示式 - pd.read_table("601318.csv",sep=',') #和df = pd.read_csv("601318.csv") 一樣 - pd.read_excle("601318.xlsx") #讀Excel檔案 sep：指定分隔符 header = NOne,就會吧預設的表名去除 了 df.rename(column={0:'a',1:"b"}) #修改列名 pd.read_csv(index_col=0) #第0列 如果想讓時間成為索引 pd.read_csv(index_col='date') #時間列 pd.read_csv(index_col='date',parse_datas=True) #時間列 parse_datas轉換為時間物件，設為true是吧所有能轉的都轉 pd.read_csv(index_col='date',parse_datas=['date']) #知識吧date的那一列轉換成時間物件 na_values=['None'] #吧表裡面為None的轉換成NaN，是吧字串轉換成缺失值 na_rep() #是吧缺失值nan轉換成字串 cols #指定輸出的列，傳入列表
十五、pandas：寫入到檔案
1、寫入到檔案：
- to_csv
2、寫入檔案函式的主要引數：
- sep
- na_rep 指定缺失值轉換的字串，預設為空字串
- header=False 不輸出列名一行
- index=False 不輸出行索引一列
- cols 指定輸出的列，傳入列表
3、其他檔案型別：json, XML, HTML, 資料庫
4、pandas轉換為二進位制檔案格式（pickle）:
- save
- load
十六、pandas:資料分組與聚合
分組 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 支援分層索引，按多列分組 df.groupby(len).mean() #傳一個函式的時候，x是每一個行的索引 df.groupby(lambda x:len(x)).mean() #傳一個函式的時候，x是每一個行的索引 df.groupby.groups() #取得多有的組 df.groupby.get_group() #取得一個組 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]) 不同的列不一樣的聚合 df.groupby('key1').agg({'data1':'min','data2':'max'}) #鍵是列名，值是 a=_219 #219行的程式碼 a.resample('3D'),mean() #3D 3天，3M就是三週 資料合併 - 資料拼接 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) - 資料連線 如果不指定on，預設是行索引進行join pd.merge(df,df3,on='key1') pd.merge(df,df3,on='['key1','key2'])
1、pandas是一個強大的Python資料分析的工具包。
2、pandas是基於NumPy構建的。
3、pandas的主要功能
- 具備對其功能的資料結構DataFrame、Series
- 整合時間序列功能
- 提供豐富的數學運算和操作
- 靈活處理缺失資料
4、安裝方法：pip install pandas
5、引用方法：import pandas as pd
二、Series
Series是一種類似於一位陣列的物件，由一組資料和一組與之相關的資料標籤（索引）組成。
建立方式： pd.Series([4,7,-5,3]) pd.Series([4,7,-5,3],index=['a','b','c','d']) pd.Series({'a':1, 'b':2}) pd.Series(0, index=['a','b','c','d’])
三、Series特性
Series支援陣列的特性：
- 從ndarray建立Series：Series(arr)
- 與標量運算：sr*2
- 兩個Series運算：sr1+sr2
- 索引：sr[0], sr[[1,2,4]]
- 切片：sr[0:2]（切片依然是檢視形式）
- 通用函式：np.abs(sr)
- 布林值過濾：sr[sr>0]
統計函式：
- mean() #求平均數
- sum() #求和
- cumsum() #累加
Series支援字典的特性（標籤）：
- 從字典建立Series：Series(dic),
- in運算：’a’ in sr、for x in sr
- 鍵索引：sr['a'], sr[['a', 'b', 'd']]
- 鍵切片：sr['a':'c']
- 其他函式：get('a', default=0)等
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、整數索引
整數索引的pandas物件往往會使新手抓狂。
例：
- sr = np.Series(np.arange(4.))
- sr[-1]
如果索引是整數型別，則根據整數進行資料操作時總是面向標籤的。
- loc屬性 以標籤解釋
- iloc屬性 以下標解釋
五、pandas：Series資料對齊
pandas在運算時，會按索引進行對齊然後計算。如果存在不同的索引，則結果的索引是兩個運算元索引的並集。 例： sr1 = pd.Series([12,23,34], index=['c','a','d']) sr2 = pd.Series([11,20,10], index=['d','c','a',]) sr1+sr2 sr3 = pd.Series([11,20,10,14], index=['d','c','a','b']) sr1+sr3 如何在兩個Series物件相加時將缺失值設為0？ sr1.add(sr2, fill_value=0) 靈活的算術方法：add, sub, div, mul
六、pandas：Series缺失資料
1、缺失資料：使用NaN（Not a Number）來表示缺失資料。其值等於np.nan。內建的None值也會被當做NaN處理。
2、處理缺失資料的相關方法：
- dropna() 過濾掉值為NaN的行
- fillna() 填充缺失資料
- isnull() 返回布林陣列，缺失值對應為True
- notnull() 返回布林陣列，缺失值對應為False
3、過濾缺失資料：sr.dropna() 或 sr[data.notnull()]
4、填充缺失資料：fillna(0)
七、pandas：DataFrame
DataFrame是一個表格型的資料結構，含有一組有序的列。
DataFrame可以被看做是由Series組成的字典，並且共用一個索引。
建立方式：
- pd.DataFrame({'one':[1,2,3,4],'two':[4,3,2,1]})
- pd.DataFrame({'one':pd.Series([1,2,3],index=['a','b','c']), 'two':pd.Series([1,2,3,4],index=['b','a','c','d'])})
- ……
csv檔案讀取與寫入：
- df.read_csv('E:\演算法\day110 Numpy、Pandas模組\601318.csv')
- df.to_csv()
八、pandas：DataFrame檢視資料
檢視資料常用屬性及方法：
index 獲取索引
T 轉置
columns 獲取列索引
values 獲取值陣列
describe() 獲取快速統計
DataFrame各列name屬性：列名
rename(columns={})
九、pandas：DataFrame索引和切片
1、DataFrame有行索引和列索引。
2、DataFrame同樣可以通過標籤和位置兩種方法進行索引和切片。
3、DataFrame使用索引切片：
- 方法1：兩個中括號，先取列再取行。 df['A'][0]
- 方法2（推薦）：使用loc/iloc屬性，一箇中括號，逗號隔開，先取行再取列。
loc屬性：解釋為標籤
iloc屬性：解釋為下標
向DataFrame物件中寫入值時只使用方法2
行/列索引部分可以是常規索引、切片、布林值索引、花式索引任意搭配。（注意：兩部分都是花式索引時結果可能與預料的不同）
通過標籤獲取： 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']] 通過位置獲取： df.iloc[3] df.iloc[3,3] df.iloc[0:3,4:6] df.iloc[1:5,:] df.iloc[[1,2,4],[0,3]]、 通過布林值過濾：
df[df['A']>0]
df[df['A'].isin([1,3,5])]
df[df<0] = 0
十、pandas：DataFrame資料對齊與缺失資料
DataFrame物件在運算時，同樣會進行資料對齊，行索引與列索引分別對齊。
結果的行索引與列索引分別為兩個運算元的行索引與列索引的並集。
DataFrame處理缺失資料的相關方法：
- dropna(axis=0,where=‘any’,…) 過濾掉值為NaN的行
- fillna() 填充缺失資料
- isnull() 返回布林陣列，缺失值對應為True
- notnull() 返回布林陣列，缺失值對應為False
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（最高價和最低價的平均） df.apply(lamada x:x['high']+x["low"])/2,axis=1) #按列求平均（最高價和最低價的平均） - applymap(func) #將函式應用在DataFrame各個元素上 - map(func) #將函式應用在Series各個元素上
十二、pandas：時間物件處理
時間序列型別： 時間戳：特定時刻 固定時期：如2017年7月 時間間隔：起始時間-結束時間 Python標準庫：datetime datetime.datetime.timedelta # 表示 時間間隔 dt.strftime() #f：format吧時間物件格式化成字串 strptime() #吧字串解析成時間物件p：parse 靈活處理時間物件：dateutil包 dateutil.parser.parse('2018/1/29') 成組處理時間物件：pandas pd.to_datetime(['2001-01-01', '2002-02-02'])
產生時間物件陣列：date_range
- start 開始時間
- end 結束時間
- periods 時間長度
- freq 時間頻率，預設為'D'，可選H(our),W(eek),B(usiness),S(emi-)M(onth),(min)T(es), S(econd), A(year),…
十三、pandas：時間序列
1、時間序列就是以時間物件為索引的Series或DataFrame。
2、datetime物件作為索引時是儲存在DatetimeIndex物件中的。
3、時間序列特殊功能：
- 傳入“年”或“年月”作為切片方式
- 傳入日期範圍作為切片方式
- 豐富的函式支援：resample(), strftime(), ……
- 批量轉換為datetime物件：to_pydatetime()
十四、pandas：從檔案讀取
1、時間序列就是以時間物件作為索引
- 讀取檔案：從檔名、URL、檔案物件中載入資料
- read_csv 預設分隔符為csv
- read_table 預設分隔符為\t
- read_excel 讀取excel檔案
2、讀取檔案函式主要引數：
- sep 指定分隔符，可用正則表示式如'\s+'
- header=None 指定檔案無列名
- name 指定列名
- index_col 指定某列作為索引
- skip_row 指定跳過某些行
- na_values 指定某些字串表示缺失值
- parse_dates 指定某些列是否被解析為日期，布林值或列表
df = pd.read_csv("601318.csv") #預設以,為分隔符 - pd.read_csv("601318.csv",sep='\s+') #匹配空格，支援正則表示式 - pd.read_table("601318.csv",sep=',') #和df = pd.read_csv("601318.csv") 一樣 - pd.read_excle("601318.xlsx") #讀Excel檔案 sep：指定分隔符 header = NOne,就會吧預設的表名去除 了 df.rename(column={0:'a',1:"b"}) #修改列名 pd.read_csv(index_col=0) #第0列 如果想讓時間成為索引 pd.read_csv(index_col='date') #時間列 pd.read_csv(index_col='date',parse_datas=True) #時間列 parse_datas轉換為時間物件，設為true是吧所有能轉的都轉 pd.read_csv(index_col='date',parse_datas=['date']) #知識吧date的那一列轉換成時間物件 na_values=['None'] #吧表裡面為None的轉換成NaN，是吧字串轉換成缺失值 na_rep() #是吧缺失值nan轉換成字串 cols #指定輸出的列，傳入列表
十五、pandas：寫入到檔案
1、寫入到檔案：
- to_csv
2、寫入檔案函式的主要引數：
- sep
- na_rep 指定缺失值轉換的字串，預設為空字串
- header=False 不輸出列名一行
- index=False 不輸出行索引一列
- cols 指定輸出的列，傳入列表
3、其他檔案型別：json, XML, HTML, 資料庫
4、pandas轉