- 打开csv文件
import pandas as pd
df=pd.read_csv(r’data/data.csv’) - dataframe index 重新排序
data=df.sort_index(axis=0,ascending=False)
http://bluewhale.cc/2016-08-06/use-pandas-filter-and-sort.html - dataframe 按照某一列进行升序或者降序排列
data=df.sort([‘date’],ascending=True升序,False降序) - dataframe 的index重新从0开始
data=data.reset_index(drop=True) - 画横坐标是日期的图
import matplotlib.pyplot as plt
x=data[‘date’]#日期是字符串形式
y=data[‘close price’]
plt.plot_date(x,y) - 求标准差
import numpy as np
np.std - 注意除法要加上:
from future import division - 下取整
import math
math.floor
上取整:math.ceil - 希尔伯特变换
from scipy import fftpack
hx= fftpack.hilbert(price) - 值排序
data.order() - 差分
data.diff(1)#一阶差分 - dataframe 删除元素
data.drop(元素位置) - 嵌套的array处理方法
import itertools
a = [[1,2,3],[4,5,6], [7], [8,9]]
out = list(itertools.chain.from_iterable(a)) - dataframe修改列名
简单粗暴式:data.columns=[‘num’,’price’] - set:无序不重复元素集
http://blog.csdn.net/business122/article/details/7541486 - pd.concat 数据合并和重塑
http://blog.csdn.net/stevenkwong/article/details/52528616 - excel表导入以后有空行解决办法
import numpy as np
data= data.drop(data.loc[np.isnan(data.name.values)].index) - diff用法
一.是dataframe或者series格式,直接就用data.diff()
二.是list格式,先转换成转换成list格式data=data.tolist() 然后dif=np.diff(data) - dataframe中的日期type不是date格式,不能直接相加减,所以先转换成list格式
t=data.time.tolist()
date_time = datetime.datetime.strptime(str(t),’%Y-%m-%d %H:%M:%S’)
date_time=datetime.date(date_time.year,date_time.month,date_time.day)
past= date_time - datetime.timedelta(days=n*365) - 符号化
np.sign - count计数
数据是dataframe格式,data.count(‘x’) - 字典的使用
label={‘11’:’TP’,’1-1’:’FN’,’-11’:’FP’,’-1-1’:’TN’}
for i in range(len(data1)):
state=str(int(data1[i]))+str(int(data2[i]))
result.append(label[state]) - 检验是否符合哪种分布
http://blog.csdn.net/QimaoRyan/article/details/72861387 用plt画图的时候中文不显示的解决办法
from matplotlib.font_manager import FontProperties
font_set = FontProperties(fname=r”c:\windows\fonts\simsun.ttc”, size=15)
plt.title(u’中文’, fontproperties=font_set)获取当前程序运行的时间
from time import time
time1=time()
time2=time()
print(time2-time1)数组保存
https://www.cnblogs.com/ice-daigua/archive/2012/11/16/2772674.html
python常用命令
最新推荐文章于 2024-08-30 17:52:14 发布