数学建模之Pandas（2）

Pandas读取数据

import pandas as pd
import numpy as np
dates = pd.date_range('20210101', periods=6)
df = pd.DataFrame(np.arange(24).reshape((6,4)),index=dates, columns=['A','B','C','D'])
print(df)

#获取DataFrame中的数据
print(df['A'])
print(df.A)
#获取的是A列的数据

print(df[0:3])#跨越多行或多列

#跟据标签loc获取数据
print(df.loc['20130102'])
print(df.loc[:,['A','B']]) #获取所有行的A，B列
print(df.loc['20130102',['A','B']])#获取该行的A、B列

#跟据序列iloc
print(df.iloc[3,1])#第四行第二列
print(df.iloc[3:5,1:3])
print(df.iloc[[1,3,5],1:3])

#采用判断指令进行选择. 约束某项条件然后选择出当前所有数据.
print(df[df.A>8])
print(df[df>8])

 

 Pandas导入数据

 pandas可以读取与存取的资料格式有很多种，像csv、excel、json、html与pickle等…

import pandas as pd #加载模块

#读取csv
data = pd.read_csv('student.csv')

#打印出data
print(data)

 合并concat

pandas处理多组数据的时候往往会要用到数据的合并处理,使用 concat是一种基本的合并方式.而且concat中有很多参数可以调整,合并成你想要的数据形式.

axis=0是预设值，因此未设定任何参数时，函数默认axis=0，纵向合并。

import pandas as pd
import numpy as np

#定义资料集
df1 = pd.DataFrame(np.ones((3,4))*0, columns=['a','b','c','d'])
df2 = pd.DataFrame(np.ones((3,4))*1, columns=['a','b','c','d'])
df3 = pd.DataFrame(np.ones((3,4))*2, columns=['a','b','c','d'])

#concat纵向合并
res = pd.concat([df1, df2, df3], axis=0)
print(res)

结果： 

res = pd.concat([df1, df2, df3], axis=0, ignore_index=True)
#打印结果
print(res)

 

 可视化

import pandas as pd
import numpy as np
import matplotlib.pyplot as plot

# 随机生成1000个数据
data = pd.Series(np.random.randn(100), index=np.arange(100))

# 为了方便观看效果, 我们累加这个数据
data.cumsum()

# pandas 数据可以直接观看其可视化形式
data.plot()
plot.show()

 https://blog.csdn.net/weixin_39777626/article/details/78598346

Matplotlib（基本用法）