学习目标
- 目标
- 了解Numpy与Pandas的不同
- 了解Pandas的MultiIndex与panel结构
- 说明Pandas的Series与Dataframe两种结构的区别
- 应用
- 股票涨跌幅数据的修改
1 Pandas介绍
- 2008年WesMcKinney开发出的库
- 专门用于数据挖掘的开源python库
- 以Numpy为基础,借力Numpy模块在计算方面性能高的优势
- 基于matplotlib,能够简便的画图
- 独特的数据结构
2 为什么使用Pandas
Numpy已经能够帮助我们处理数据,能够结合matplotlib解决部分数据展示等问题,那么pandas学习的目的在什么地方呢?
- 便捷的数据处理能力
- 读取文件方便
- 封装了Matplotlib、Numpy的画图和计算
3 案例:
# 导入pandas
import pandas as pd
回忆我们在numpy当中创建的股票涨跌幅数据形式?**
# 创建一个符合正太分布的10个股票5天的涨跌幅数据
stock_change = np.random.normal(0, 1, (10, 5))
stock_change
但是这样的数据形式很难看到存储的是什么的样的数据,并也很难获取相应的数据,比如需要获取某个指定股票的数据,就很难去获取!!
问题:如何让数据更有意义的显示?处理刚才的股票数据
# 使用Pandas中的数据结构
stock_day_rise = pd.DataFrame(stock_change)
stock_day_rise
给股票涨跌幅数据增加行列索引,显示效果更佳
- 增加行索引
# 构造行索引序列
stock_code = ['股票' + str(i) for i in range(stock_day_rise.shape[0])]
# 添加行索引
data = pd.DataFrame(stock_change, index=stock_code)
- 增加列索引
股票的日期是一个时间的序列,我们要实现从前往后的时间还要考虑每月的总天数等,不方便。使用pd.date_range():用于生成一组连续的时间序列(暂时了解)
date_range(start=None,end=None, periods=None, freq='B')
start:开始时间
end:结束时间
periods:时间天数
freq:递进单位,默认1天,'B'默认略过周末
# 生成一个时间的序列,略过周末非交易日
date = pd.date_range('2017-01-01', periods=stock_day_rise.shape[1], freq='B')
# index代表行索引,columns代表列索引
data = pd.DataFrame(stock_change, index=stock_code, columns=date)
data
效果:
4 DataFrame
4.1 DataFrame结构
DataFrame对象既有行索引,又有列索引
- 行索引,表明不同行,横向索引,叫index,0轴,axis=0
- 列索引,表名不同列,纵向索引,叫columns,1轴,axis=1
4.2 DatatFrame的属性
- shape
data.shape
结果:
- index
DataFrame的行索引列表
data.index
结果:
- columns
DataFrame的列索引列表
data.columns
结果:
- values
直接获取其中array的值
data.values
结果:
- T
转置
data.T
结果:
- head(5):显示前5行内容
如果不补充参数,默认5行。填入参数N则显示前N行
data.head(5)
结果:
- tail(5):显示后5行内容
如果不补充参数,默认5行。填入参数N则显示后N行
data.tail(5)
结果:
4.3 DatatFrame索引的设置
4.3.1修改行列索引值
stock_code = ["股票_" + str(i) for i in range(stock_day_rise.shape[0])]
# 必须整体全部修改
data.index = stock_code
结果:
注意:以下修改方式是错误的
# 错误修改方式
data.index[3] = '股票_3'
4.3.2 重设索引
- reset_index(drop=False)
- 设置新的下标索引
- drop:默认为False,不删除原来索引,如果为True,删除原来的索引值
# 重置索引,drop=False
data.reset_index()
结果:
# 重置索引,drop=True
data.reset_index(drop=True)
结果:
4.3.3 以某列值设置为新的索引
-
set_index(keys, drop=True)
- keys : 列索引名成或者列索引名称的列表
- drop : boolean, default True.当做新的索引,删除原来的列
-
设置新索引案例
1、创建
df = pd.DataFrame({'month': [1, 4, 7, 10],
'year': [2012, 2014, 2013, 2014],
'sale':[55, 40, 84, 31]})
2、以月份设置新的索引
df.set_index('month')
3、设置多个索引,以年和月份
df = df.set_index(['year', 'month'])
df
注:通过刚才的设置,这样DataFrame就变成了一个具有MultiIndex的DataFrame。
5 MultiIndex与Panel
打印刚才的df的行索引结果
df.index
5.1 MultiIndex
多级或分层索引对象。
- index属性
- names:levels的名称
- levels:每个level的元组值
df.index.names
df.index.levels
5.2 Panel
- class
pandas.Panel
(data=None, items=None, major_axis=None, minor_axis=None, copy=False, dtype=None)- 存储3维数组的Panel结构
p = pd.Panel(np.arange(24).reshape(4,3,2),
items=list('ABCD'),
major_axis=pd.date_range('20130101', periods=3),
minor_axis=['first', 'second'])
p
<class 'pandas.core.panel.Panel'>
Dimensions: 4 (items) x 3 (major_axis) x 2 (minor_axis)
Items axis: A to D
Major_axis axis: 2013-01-01 00:00:00 to 2013-01-03 00:00:00
Minor_axis axis: first to second
- items -
axis 0
,每个项目对应于内部包含的数据帧(DataFrame)。 - major_axis -
axis 1
,它是每个数据帧(DataFrame)的索引(行)。 - minor_axis -
axis 2
,它是每个数据帧(DataFrame)的列。
查看panel数据:
p[:,:,"first"]
p["B",:,:]
注:Pandas从版本0.20.0开始弃用:推荐的用于表示3D数据的方法是通过DataFrame上的MultiIndex方法
6 Series结构
什么是Series结构呢,我们直接看下面的图:
- series结构只有行索引
我们将之前的涨跌幅数据进行转置,然后获取'股票0'的所有数据
# series
type(data['2017-01-02'])
# 这一步相当于是series去获取行索引的值
data['2017-01-02']['股票_0']
6.1 创建series
通过已有数据创建
- 指定内容,默认索引
pd.Series(np.arange(10))
- 指定索引
pd.Series([6.7,5.6,3,10,2], index=[1,2,3,4,5])
通过字典数据创建
pd.Series({'red':100, ''blue':200, 'green': 500, 'yellow':1000})
6.2 series获取属性和值
- index
- values
7 小结
- pandas的优势【了解】
- 便捷的数据处理能力
- 读取文件方便
- 封装了Matplotlib、Numpy的画图和计算
- DataFrame属性【知道】
- shape -- 形状
- index -- 行索引
- columns -- 列索引
- values -- 查看值
- T -- 转置
- head() -- 查看头部内容
- tail() -- 查看尾部内容
- DataFrame索引【知道】
- 修改的时候,需要进行全局修改
- 对象.reset_index()
- 对象.set_index(keys)
- MultiIndex与Panel【掌握】
- multiIndex:
- 类似ndarray中的三维数组
- 对象.index
- panel:
- pd.Panel(data, items, major_axis, minor_axis)
- panel数据要是想看到,则需要进行索引到dataframe或者series才可以
- multiIndex:
- series【掌握】
- 创建
- 1.pd.Series([], index=[])
- 2.pd.Series({})
- 属性
- 对象.index
- 对象.values
- 创建