Pandas---------(4)

八、改变形状

      Stack

图中df[:4]表示取前4行。

stack()表示将数据的列转换为类似索引。

unstack() 默认把 最后一分组转成列，若指定数，表示把指定的列转为列。

数据透视表

生成数据框

pivot_table ，values代表要取值的列，index表示用作索引的列， colums表示用于取值分异的列。

九、时间序列

    Pandas 在对频率转换进行重新采样时拥有简单、强大且高效的功能（如将按秒采
样的数据转换为按5分钟为单位进行采样的数据）

    

如图所示，将以秒为单位的数据，转换为以5min，即300为一单位的数据，再求和，由于rng 序列数为100，因此resample 5min还是在一个5min单位内，所以在这种情况下ts.sum() 和 ts.resample

('5Min').sum()结果一致。

    1、时区表示：

     

将以正常日期显示的序列转为‘UTC’时区表示的序列；

2、时区转换

   

    如上图所示，将ts_utc转为US/Eastern时间，时间格式还是UTC格式，但时间已变为 ‘当地时间 + 时区时差‘  格式。

  3、时间跨度转换

to_period()是将时间转换成一个时间跨度，to_timestamp()是将时间跨度转为时间戳。

4、时期和时间戳之间的转换使得可以使用一些方便的算数函数。

     

上图中，prng创立了一个以11月为起点的季度时间序列，然后用asfreq函数，将其依次转为以月份‘M’为频率加偏移量1，小时数为第二频率并加偏移量9。注：asfreq函数取值是时间点数据，即时间点数值不变，而时间索引列的频率改变，resample则是 取值时间段 内的数值，数值会进行运算而改变。