5.数据分析-Pandas_②_cell in[3], line 3 1 import pandas as pd 2 import -CSDN博客

本文链接：https://blog.csdn.net/weixin_45160152/article/details/118547778

本文详细介绍了如何使用Pandas进行数据可视化，包括DataFrame和Series的plot方法。接着讲解了文件的读取与存储，如CSV和JSON的read_csv、to_csv、read_json及to_json操作。此外，文章还探讨了缺失值的处理，如删除、替换和处理特殊标记的缺失值。在数据离散化部分，以股票涨跌幅为例，展示了如何进行数据分组和one-hot编码。最后提供了资料网盘链接。

摘要由CSDN通过智能技术生成

import pandas as pd
# pd.Series(data=None,index=None,dtype=None)

import numpy as np
import matplotlib.pyplot as plt
import random
from pylab import mpl
#显示中文字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]
#设置正常显示字符
mpl.rcParams["axes.unicode_minus"] = False

五、Pandas画图

5.1 pandas.DataFrame.plot

# DataFrame.plot (kind='line') 
# kind : str，需要绘制图形的种类 
# ‘line’ : line plot (default) 
# ‘bar’ : vertical bar plot 
# ‘barh’ : horizontal bar plot
# ‘hist’ : histogram 
# ‘pie’ : pie plot 
# ‘scatter’ : scatter plot

5.2 pandas.Series.plot

# 更多细节：https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.plot.html?highlight=plot#pandas.Series.plot

六、文件读取与存储

6.1 CSV

6.1.1 read_csv

# pandas.read_csv(filepath_or_buffer, sep =',', usecols ) 
#     filepath_or_buffer:文件路径 
#     sep :分隔符，默认用","隔开 
#     usecols:指定读取的列名，列表形式

data = pd.read_csv("./2.code/data/stock_day.csv", usecols=['open', 'close'])
data

	open	close
2018-02-27	23.53	24.16
2018-02-26	22.80	23.53
2018-02-23	22.88	22.82
2018-02-22	22.25	22.28
2018-02-14	21.49	21.92
...	...	...
2015-03-06	13.17	14.28
2015-03-05	12.88	13.16
2015-03-04	12.80	12.90
2015-03-03	12.52	12.70
2015-03-02	12.25	12.52

643 rows × 2 columns

6.1.2 to_csv

# DataFrame.to_csv(path_or_buf=None, sep=', ’, columns=None, header=True, index=True, mode='w', encoding=None) 
#      path_or_buf :文件路径
#      sep :分隔符，默认用","隔开 
#      columns :选择需要的列索引 
#      header :boolean or list of string, default True,是否写进列索引值115
#      index:是否写进行索引 
#      mode:'w'：重写, 'a' 追加

# 选取10行数据保存,便于观察数据 
data[:10].to_csv("./test.csv", columns=['open'