【Python】Pandas（学习笔记）

一、Pandas概述

1、Pandas介绍

2008年WesMcKinney开发出的库，专门用于数据挖掘的开源python库

以Numpy为基础，借力Numpy模块在计算方面性能高的优势

基于matplotib，能够简便的画图

独特的数据结构

import pandas as pd

2、Pandas优势

• 便捷的数据处理能力
• 读取文件方便
• 封装了Matplotlib、Numpy的画图和计算

二、数据类型

1、DataFrame

1）结构

既有行索引、又有列索引的二维数组

• 行索引，表明不同行，横向索引，叫index
• 列索引，表明不同列，纵向索引，叫columns

2）初识

import numpy as np
import pandas as pd
stock = np.random.normal(0, 1, (10,5))
hang = ["股票{}".format(i) for i in range(10)] 
lie = pd.date_range(start="20180101", periods=5, freq="B")

df = pd.DataFrame(stock, index=hang, columns=lie)
df.head()

3）属性

属性	属性名
shape	形状
index	行索引列表
columns	列索引列表
values	直接获取其中 array 的值
T	行列转置

4）方法

# 开头几行（默认5）
df.head(n)
# 最后几行
df.tail(n)

5）索引的设置

1. 修改行列索引值

不能单独修改索引

stock_ = ["股票_{}".format(i) for i in range(10)]
data.index = stock_

2. 重设索引

把原始索引删除（True）或当成普通列（False），重设索引

data.reset_index()
data.reset_index(drop=True)		# drop=True把之前的索引删除

3. 设置新索引

df1 = pd.DataFrame({'month': [1, 4, 7, 10],
                    'year': [2012, 2014, 2013, 2014],
                    'sale':[55, 40, 84, 31]})
# 以月份设置新的索引
df1.set_index("month", drop=True)
# 设置多个索引，以年和月份
df1.set_index(["year", "month"])

2、MultiIndex

多级或分层索引对象

• names：levels 的名称
• levels：每个 level 的元组值

df2.index
df2.index.names
df2.index.levels

3、Panel

存储三维数组的容器

Panel 是 DataFrame 的容器 => 每个维度都是一个DataFrame

注：Pandas 从版本 0.20.0 开始弃用，推荐的用于表示 3D 数据的方法是 DataFrame 上的 MultiIndex 方法

4、Series

带索引的一维数组

DataFrame 是 Series 的容器

sr = data.iloc[1, :]

# 索引
sr.index
# 值
sr.values

三、数据操作

1、索引操作

# 直接索引 必须先列后行
data["open"]["2018-02-26"]

# 按名字索引
data.loc["2018-02-26"]["open"]
data.loc["2018-02-26", "open"]

# 数字索引
data.iloc[1, 0]

# 组合索引
data.loc[data.index[0:4], ['open', 'close', 'high', 'low']]

2、赋值操作

data.open = 100
data.iloc[1, 0] = 120

3、排序操作

1）内容排序

# 单列内容排序
# ascending=False：降序、True：升序
data.sort_values(by="open", ascending=False)

# 多个列内容排序
data.sort_values(by=["open", "high"], ascending=False).head()

2）索引排序

data.sort_index()

四、DataFrame运算

1、算术运算

data["open"] + 3
data["open"].add(3)

data.sub(100)
data - 100

data["close"] - data["open"]
data["close"].sub(data["open"])

2、逻辑运算

data[data["p_change"] > 2]
data[(data["p_change"] > 2) & (data["low"] > 15)]

# query(expr) expr:查询字符串
data.query("p_change > 2 & low > 15")
# isin(values) 判断是否为 values
data[data["turnover"].isin([4.19, 2.39])]

3、统计运算

describe()综合分析：能够直接得出很多统计结果，count,mean,std,min,max 等

data.describe()	# 综合分析
data.max()		# 最大值
data.idxmax() 	# 最大值位置

4、累计统计函数

• cumsum 计算前 1/2/3/…/n 个数的和
• cummax 计算前 1/2/3/…/n 个数的最大值
• cummin 计算前 1/2/3/…/n 个数的最小值
• cumprod 计算前 1/2/3/…/n 个数的积

data["p_change"].sort_index().cumsum()
data["p_change"].sort_index().cumsum().plot()

5、自定义运算

apply(func, axis=0)

• func：自定义函数
• axis=0：默认按列运算，axis=1：按行运算

data.apply(lambda x: x.max() - x.min())

五、Pandas画图

1、DataFrame

DataFrame.plot(x=None, y=None, kind='line')

• x: 标签或位置，默认为“无”
• y: 标签、位置或标签列表、位置。默认无标签
  • 允许打印一列与另一列
• kind: str
  • ‘line’: 折线图(default)
  • ''bar": 条形图
  • “barh”: 水平条形图
  • “hist”: 直方图
  • “pie”: 饼图
  • “scatter”: 散点图

data.plot(x="volume", y="turnover", kind="scatter")

2、Series

sr.plot()

六、文件读取与存储

1、读取CSV

# 读取数据表，并指定读哪些列
data = pd.read_csv("./stock_day/stock_day.csv", usecols=["high", "low", "open", "close"])

# 如果数据表的列没有列名，用names传入列名
data = pd.read_csv("stock_day2.csv", names=["open", "high", "close"]) 

2、保存CSV

# 保存open列的数据
data[:10].to_csv("test.csv", columns=["open"]) 

# index=False不要行索引
# header=False不要列索引
# mode="a"追加模式|mode="w"重写
data[:10].to_csv("test.csv", columns=["open"], index=False, mode="a", header=False)