Pandas的基本操作以及画图

1.读取文件操作

读取文件

data = pd.read_csv(’./data/stock_day.csv’)

删除一些列，让数据更简单些，再去做后面的操作

data = data.drop([“ma5”,“ma10”,“ma20”,“v_ma5”,“v_ma10”,“v_ma20”], axis=1)

2.索引操作

2.1 直接使用行索引的方式(先行后列)

#直接使用行列索引名字的方式（先列后行）
data['open']['2018-02-27']
23.53

#不支持的操作
#错误
data['2018-02-27']['open']
#错误
data[:1, :2]

1.2 结合loc或者iloc使用索引
获取从’2018-02-27’:‘2018-02-22’，'open’的结果

# 使用loc:只能指定行列索引的名字
data.loc['2018-02-27':'2018-02-22', 'open']

2018-02-27    23.53
2018-02-26    22.80
2018-02-23    22.88
Name: open, dtype: float64

# 使用iloc可以通过索引的下标去获取
# 获取前100天数据的'open'列的结果
data.iloc[0:100, 0:2].head()

            open    high    close    low
2018-02-27    23.53    25.88    24.16    23.53
2018-02-26    22.80    23.78    23.53    22.80
2018-02-23    22.88    23.37    22.82    22.71

1.3 使用ix组合索引

ix:混合索引与切片，在ｐａｎｄａｓ　1.0中已经删除这个ａｐｉ了(先行后列)

可以支持名称和数值索引

Warning:Starting in 0.20.0, the .ix indexer is deprecated, in favor of the more strict .iloc and .loc indexers.

获取行第1天到第4天，['open', 'close', 'high', 'low']这个四个指标的结果

# 使用ix进行下表和名称组合做引
data.ix[0:4, ['open', 'close', 'high', 'low']]

# 推荐使用loc和iloc来获取的方式
data.loc[data.index[0:4], ['open', 'close', 'high', 'low']]
data.iloc[0:4, data.columns.get_indexer(['open', 'close', 'high', 'low'])]

            open    close    high    low
2018-02-27    23.53    24.16    25.88    23.53
2018-02-26    22.80    23.53    23.78    22.80
2018-02-23    22.88    22.82    23.37    22.71
2018-02-22    22.25    22.28    22.76    22.02

用loc和iloc代替写法

# data.ix[0:3,'open':'low']

# 根据名称拿编号
data.columns.get_indexer(['open','close'])

data.iloc[0:3,data.columns.get_indexer(['open','close'])]
# data.columns.get_indexer(['open'])　　方法的【】内是列表，需要将要查询的列逐个写进去，不能切片

# 根据下标拿名称
data.columns[0:4]

data.loc['2018-02-26':'2018-02-22',data.columns[0:4]]

2 赋值操作

如果赋的为单一值的话，就会将整列都赋为单一值，若想修改一列中不同的值，则需要赋上和原列同样长度的列表
用列表或者ｓｅｒｉ