Python Pandas學習之基本資料操作詳解

2022-02-23 19:02:05

# 讀取檔案（讀取儲存檔案後面會專門進行講解，這裡先直接呼叫下api）
data = pd.read_csv("./data/stock_day.csv")  # 讀取當前目錄下一個csv檔案

# 刪除一些列，讓資料更簡單些，再去做後面的操作
data = data.drop(["ma5","ma10","ma20","v_ma5","v_ma10","v_ma20"], axis=1)

1 索引操作

Numpy當中我們已經講過使用索引選取序列和切片選擇，pandas也支援類似的操作，也可以直接使用列名、行名稱，甚至組合使用。

1.1 直接使用行列索引(先列後行)

舉例：獲取2018-02-27 這天閉盤價，即獲取’2018-02-27’這天的’close’的結果。

# 直接使用行列索引名字的方式（先列後行）
data['close']['2018-02-27']
24.16

# 不支援的操作
# 錯誤
data['2018-02-27']['close']
# 錯誤
data[:1, :2]

1.2 結合loc或者iloc使用索引

獲取從’2018-02-27’:‘2018-02-22’，'close’的結果

# 使用loc:只能指定行列索引的名字
data.loc["2018-02-25":"2018-02-14", "open":"low"]

# 使用iloc可以通過索引的下標去獲取
# 獲取前3天資料,前5列的結果
data.iloc[:3, :5]

            open    high    close    low
2018-02-27    23.53    25.88    24.16    23.53
2018-02-26    22.80    23.78    23.53    22.80
2018-02-23    22.88    23.37    22.82    22.71

1.3 使用ix組合索引

獲取行第1天到第4天，[‘open’, ‘close’, ‘high’, ‘low’]這個四個指標的結果

# 使用ix進行下表和名稱組合做引
data.ix[0:4, ['open', 'close', 'high', 'low']]

# 推薦使用loc和iloc來獲取的方式
data.loc[data.index[0:4], ['open', 'close', 'high', 'low']]
data.iloc[0:4, data.columns.get_indexer(['open', 'close', 'high', 'low'])]

            open    close    high    low
2018-02-27    23.53    24.16    25.88    23.53
2018-02-26    22.80    23.53    23.78    22.80
2018-02-23    22.88    22.82    23.37    22.71
2018-02-22    22.25    22.28    22.76    22.02

2 賦值操作

對DataFrame當中的close列進行重新賦值為1

# 直接修改原來的值
data['close'] = 1
# 或者
data.close = 1

3 排序

排序有兩種形式，一種對於索引進行排序，一種對於內容進行排序

3.1 DataFrame排序

使用df.sort_values(by=, ascending=)

單個鍵或者多個鍵進行排序,

引數：

1.by：指定排序參考的鍵

2.ascending:預設升序

ascending=False:降序
ascending=True:升序

# 按照開盤價大小進行排序 , 使用ascending指定按照大小排序,取前5行資料
data.sort_values(by="open", ascending=True).head()

# 按照多個鍵進行排序
data.sort_values(by=['open', 'high'])

使用df.sort_index給索引進行排序

股票的日期索引原來是從大到小，現在重新排序，從小到大。

# 對索引進行排序
data.sort_index()

3.2 Series排序

使用series.sort_values(ascending=True)進行排序

series排序時，只有一列，不需要引數。

data['p_change'].sort_values(ascending=True).head()

2015-09-01   -10.03
2015-09-14   -10.02
2016-01-11   -10.02
2015-07-15   -10.02
2015-08-26   -10.01
Name: p_change, dtype: float64

使用series.sort_index()進行排序，和Dataframe方法一致

# 對索引進行排序
data['p_change'].sort_index().head()

2015-03-02    2.62
2015-03-03    1.44
2015-03-04    1.57
2015-03-05    2.02
2015-03-06    8.51
Name: p_change, dtype: float64

到此這篇關於Python Pandas學習之基本資料操作詳解的文章就介紹到這了,更多相關Python Pandas資料操作內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！