_折线图_

1. 读入数据

pd.read_excel()

import pandas as pd
df = pd.read_excel("orders2.xls")

sort_values()

按照某列数据进行排序

# 按order_date列数据升序
df = df.sort_values(by = ["order_date"]) 

# 按order_date列数据降序
df = df.sort_values(by = ["order_date"],ascending = False)

set_index()

# 将order_date设置为索引
df = df.set_index("order_date") 

2. 选取数据

    Pandas中，数据主要保存为Dataframe和Series是数据结构，这两种数据结构数据选取的方式基本一致，本文主要以Dataframe为例进行介绍

    在Dataframe中选取数据大抵包括3中情况：

2.1 行（列）选取（单维度选取）：df[]

    这种情况一次只能选取行或列，即一次选取中，只能为行或者列设置筛选条件（只能为一个维度设置筛选条件）

# 获取2020年的数据
df = df["2020"]

# 获取2020年每天的"sales"数据
v2 = df["sales"]

2.2 区域选取（多维选取）：df.loc[]，df.iloc[]

    这种方式可以同时为多个维度设置筛选条件

2.3 单元格选取（点选取）：df.at[]，df.iat[]

    准确定位一个单元格

3. 处理数据

resample()

    对时间序列数据进行重采样，可以完成日期的聚合工作（包括按小时维度，日期维度，月维度，季度及年的维度等等）

# 计算2020年每周的“sales”
v2 = (v2.resample("w").agg({'sum'}))/10000    # w：表示聚合方式是按周

    向下采样和执行聚合：下采样是将一个时间序列数据集重新采样到一个更大的时间框架。例如，从几分钟到几小时，从几天到几年。结果的行数将减少，并且可以使用mean()、min()、max()、sum()等聚合值

    要获得2020年每周的总销售额，只需使用resample()将DataFrame向下采样到每周的容器中，并将落入容器中的时间戳的值相加

agg()

    在Pandas中可以利用agg()对Series、DataFrame以及groupby()后的结果进行聚合操作