Pandas是Python在数据分析与挖掘上崭露头角的第三方库,可以说学会Pandas的操作,在金融量化上将游刃有余,下面以系列的形式,给大家分享pandas的完全操作手册。由于内容较大,没有展示相关案例,最好是结合具体数据进行操作。
输入/输出
Pickling
read_pickle(path[, compression]):从文件加载pickled pandas对象(或任何对象)
平面文件
read_table(filepath_or_buffer[, sep, …]):将常规分隔文件读入DataFrame
read_csv(filepath_or_buffer[, sep, …]):将CSV(逗号分隔)文件读入DataFrame
read_fwf(filepath_or_buffer[, colspecs, widths]):将固定宽度格式化的行表读入DataFrame
read_msgpack(path_or_buf[, encoding, iterator]):从指定的文件路径加载msgpack pandas对象
遇到问题没人解答,小编创建了一个Python学习交流裙:五二八 三九七 六一七, 寻找有志同道合的小伙伴,互帮互助,群里还有不错的学习视频教程和PDF电子书分享!
剪贴板
read_clipboard([sep]):从剪贴板中读取文本并传递给read_table.
Excel
read_excel(io[, sheet_name, header, names, …]):将Excel表读入pandas DataFrame
ExcelFile.parse([sheet_name, header, names, …]):将指定的工作表解析为DataFrame
JSON
read_json([path_or_buf, orient, typ, dtype, …]):将JSON字符串转换为pandas对象
json_normalize(data[, record_path, meta, …]):将“半结构化JSON数据”