2020-11-25 技术总结

25号：关于Pandas在python中的应用技术总结

1. 将用户所自己填写或者爬虫爬下来的日期数据转化为DataFrame中的日期格式。`

data1["日期"]=pd.to_datetime(data1["日期"])

2. 将日期属性进行排序

data1.sort_values(by="日期",inplace= True)

3. 将日期属性变为主要排序索引，然后可以利用loc进行以日期为单位的数据查询

data1.set_index(pd.to_datetime(data1["日期"]),inplace= True)

4. 查找数据中以2018为时间的数据

data_2018=data1.loc["2018"]

5. 获取2018年中每月月初数据，并筛选，其中index.month可以换为index.week（周）index.quarter（季）

data_min_2018=data_2018.groupby(data_2018.index.month)["日期","中间价"].min()

6. 如果2张表的其他属性一样，只有一个日期属性不一样，我们可以用append来连接2张表，仅限2张，不可多表连接

r= data_min_2018.append(data_min_2019)
r=r.append(data_min_2020)

7. 将形成的数据写入新的csv文件，可以用pandas的函数进行写入。

r.to_csv("XXXXXX.csv",index=False)