Day24（pandas创建序列和数组 查看数据 数据排序 数据修改 数据合并 数据分组 多维索引列表的创建 数据透视 时间序列 数据写入磁盘文件）

目录

创建序列和数组

查看数据

数据排序

数据修改 

数据合并

2.用merge函数 

数据分组

多维索引列表的创建

将列索引转化为行索引

数据透视

时间序列 

pandas里面时间运算非常简便

计算时间间隔

计算几天后日期

category数据

数据写入磁盘文件

---

创建序列和数组

import pandas as pd
import numpy as np
s = pd.Series([1, 3, 5, np.NAN, 8, 4]) #创建序列
s
Out[6]: 
0    1.0
1    3.0
2    5.0
3    NaN
4    8.0
5    4.0
dtype: float64


dates = pd.date_range('20160301',periods=6) # 创建日期序列,periods为日期个数
dates
Out[8]: 
DatetimeIndex(['2016-03-01', '2016-03-02', '2016-03-03', '2016-03-04',
               '2016-03-05', '2016-03-06'],
              dtype='datetime64[ns]', freq='D')



 #创建一个6行4列，以dates为行标，以ABCD为列标的二维数组，注意np.random.randn为创建二维数组
data = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))
data
Out[5]: 
                   A         B         C         D
2016-03-01 -0.776398 -0.113742 -0.482815 -2.377686
2016-03-02 -0.232630  0.929686 -0.029953  0.830375
2016-03-03 -0.858234  1.130634  1.450110 -1.312117
2016-03-04 -0.878027 -0.219138 -0.459148  0.428571
2016-03-05  0.021880 -1.655298 -1.618421  0.541966
2016-03-06 -0.903818  0.702461  1.966906 -0.348830


#以字典的方式创建二维数组
d={'A':1,'B':pd.Timestamp('20130301'),'C':range(4),'D':np.arange(4)}
d
Out[7]: 
{'A': 1,
 'B': Timestamp('2013-03-01 00:00:00'),
 'C': range(0, 4),
 'D': array([0, 1, 2, 3])}
#利用d生成二维数组
df = pd.DataFrame(d)
df
Out[9]: 
   A          B  C  D
0  1 2013-03-01  0  0
1  1 2013-03-01  1  1
2  1 2013-03-01  2  2
3  1 2013-03-01  3  3

 

查看数据

#查看列
df.A
Out[10]: 
0    1
1    1
2    1
3    1
Name: A, dtype: int64

#高效率的数据索引loc，只认标签名如：20160305
df.loc[A]
data.loc['20160302':'20160305',['B','C']]

#data.iloc可以选择索引代号
data,iloc[:,1:3]#选择所有行的1-3列

#查看A的数据类型，A为一个序列
type(df.A)
Out[11]: pandas.core.series.Series

data.head(2)#查看前几行，默认前5行
Out[14]: 
                   A         B         C         D
2016-03-01 -0.776398 -0.113742 -0.482815 -2.377686
2016-03-02 -0.232630  0.929686 -0.029953  0.830375
data.tail()#查看后几行，默认5行

Out[15]: 
                   A         B         C         D
2016-03-02 -0.232630  0.929686 -0.029953  0.830375
2016-03-03 -0.858234  1.130634  1.450110 -1.312117
2016-03-04 -0.878027 -0.219138 -0.459148  0.428571
2016-03-05  0.021880 -1.655298 -1.618421  0.541966
2016-03-06 -0.903818  0.702461  1.966906 -0.348830

data.index#查看行标
data.columns#查看列标
data.values#查看值

data.describe()#查看数据的统计数据
Out[16]: 
              A         B         C         D
count  6.000000  6.000000  6.000000  6.000000
mean  -0.604538  0.129100  0.137780 -0.372954 #均值
std    0.397235  1.033157  1.335795  1.251326 #方差
min   -0.903818 -1.655298 -1.618421 -2.37768