pandas数据处理基础部分

一、认识

1、pandas 主要是用来进行数据处理的库，里面不仅包含了数据处理、甚至还有 统计分析、相关计算，其内部封装了numpy 相关组件

2、结构三种形式：series(一维)、dataframe(二维)、pannel(三维)

二、基础使用

1、加载数据

res = np.load("./国民经济核算季度数据.npz", allow_pickle=True)

2、获取数据

columns = res['columns']
values = res['values']

print("columns：\n", columns)
print("values:\n", values)

3、数组拼接

# 数组拼接
data = np.concatenate(([columns],values),axis=0)
print(data)
print("*"*50)

 

4、将数组转化为dataframe（多了行，列索引）

index = ["index_" + str(i) for i in np.arange(69)]
df = pd.DataFrame(values, columns=columns, index=index)
print(df)
print(type(df))

5、获取时间 之后再获取前5行

# se = df['时间'][:5]
# se = df['时间'][['index_0','index_1','index_2']]
se = df['时间'][[0, 1, 2, 3, 4, 5]]  # 先获取时间这列，然后再获取序号为[0,1,2,3,4,5]的这6行
print(se)

6、将df 转化为series（只有行索引）

se = df['时间']
print(se)

7、自己生成一个df

d = {'col1': [0, 1, 2], 'col2': [1, 2, 3], 'col3': [1, 2, 3]}
# #
df = pd.DataFrame(data=d, index=['h', 'g', 'k'])
print(df)
print(type(df))

#拿取多列
res = df[['col1','col2']]
# print(res)

8、自己生成一个series