Pandas的基本操作以及画图
1.读取文件操作
读取文件
data = pd.read_csv(’./data/stock_day.csv’)
删除一些列,让数据更简单些,再去做后面的操作
data = data.drop([“ma5”,“ma10”,“ma20”,“v_ma5”,“v_ma10”,“v_ma20”], axis=1)
2.索引操作
2.1 直接使用行索引的方式(先行后列)
#直接使用行列索引名字的方式(先列后行)
data['open']['2018-02-27']
23.53
#不支持的操作
#错误
data['2018-02-27']['open']
#错误
data[:1, :2]
1.2 结合loc或者iloc使用索引
获取从’2018-02-27’:‘2018-02-22’,'open’的结果
# 使用loc:只能指定行列索引的名字
data.loc['2018-02-27':'2018-02-22', 'open']2018-02-27 23.53
2018-02-26 22.80
2018-02-23 22.88
Name: open, dtype: float64
# 使用iloc可以通过索引的下标去获取
# 获取前100天数据的'open'列的结果
data.iloc[0:100, 0:2].head()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组合索引
ix:混合索引与切片,在pandas 1.0中已经删除这个api了(先行后列)
可以支持名称和数值索引
Warning:Starting in 0.20.0, the .ix indexer is deprecated, in favor of the more strict .iloc and .loc indexers.获取行第1天到第4天,['open', 'close', 'high', 'low']这个四个指标的结果# 使用ix进行下表和名称组合做引
data.ix[0:4, ['open', 'close', 'high', 'low']]# 推荐使用loc和iloc来获取的方式
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
用loc和iloc代替写法
# data.ix[0:3,'open':'low']
# 根据名称拿编号
data.columns.get_indexer(['open','close'])data.iloc[0:3,data.columns.get_indexer(['open','close'])]
# data.columns.get_indexer(['open']) 方法的【】内是列表,需要将要查询的列逐个写进去,不能切片# 根据下标拿名称
data.columns[0:4]data.loc['2018-02-26':'2018-02-22',data.columns[0:4]]
2 赋值操作
如果赋的为单一值的话,就会将整列都赋为单一值,若想修改一列中不同的值,则需要赋上和原列同样长度的列表
用列表或者series都可赋值,data[‘low’]取出来是series,data[‘low’].values取出来是列表(series的方法)
data[‘close’] = data[‘low’]
data[‘close’] = data[‘low’].values
加粗样式对DataFrame当中的close列进行重新赋值为1
# 直接修改原来的值
data['close'] = 1
# 或者
data.close = 1
#与上面一种方法的区别是,'data.新列=x’是无法添加新列的,但’data[新列]=新值’可以
3 排序
排序有两种形式,一种对于索引进行排序,一种对于内容进行排序
3.1DataFrame按值进行排序
使用df.sort_values(by=, ascending=)
by指定按哪一列,ascending指定升降序,默认是True升序
单个键或者多个键进行排序,默认升序
ascending=False:降序
ascending=True:升序
# 按照涨跌幅大小进行排序 , 使用ascending指定按照大小排序
data = data.sort_values(by='p_change', ascending=False).head()open high close low volume price_change p_change turnover
2015-08-28 15.40 16.46 16.46 15.00 117827.60 1.50 10.03 4.03
2015-05-21 27.50 28.22 28.22 26.50 121190.11 2.57 10.02 4.15
2016-12-22 18.50 20.42 20.42 18.45 150470.83 1.86 10.02 3.77
2015-08-04 16.20 17.35 17.35 15.80 94292.63 1.58 10.02 3.23
2016-07-07 18.66 18.66 18.66 18.41 48756.55 1.70 10.02 1.67# 按照过个键进行排序
data = data.sort_values(by=['open', 'high'])open high close low volume price_change p_change turnover
2015-06-15 34.99 34.99 31.69 31.69 199369.53 -3.52 -10.00 6.82
2015-06-12 34.69 35.98 35.21 34.01 159825.88 0.82 2.38 5.47
2015-06-10 34.10 36.35 33.85 32.23 269033.12 0.51 1.53 9.21
2017-11-01 33.85 34.34 33.83 33.10 232325.30 -0.61 -1.77 5.81
2015-06-11 33.17 34.98 34.39 32.51 173075.73 0.54 1.59 5.92
3.1DataFrame按索引进行排序
使用df.sort_index给索引进行排序
默认是按升序True来排的
这个股票的日期索引原来是从大到小,现在重新排序,从小到大
# 对索引进行排序
data.sort_index()open high close low volume price_change p_change turnover
2015-03-02 12.25 12.67 12.52 12.20 96291.73 0.32 2.62 3.30
2015-03-03 12.52 13.06 12.70 12.52 139071.61 0.18 1.44 4.76
2015-03-04 12.80 12.92 12.90 12.61 67075.44 0.20 1.57 2.30
2015-03-05 12.88 13.45 13.16 12.87 93180.39 0.26 2.02 3.19
2015-03-06 13.17 14.48 14.28 13.13 179831.72 1.12 8.51 6.16
3.3 Series按值排序
使用series.sort_values(ascending=True)进行排序
series排序时,只有一列,不需要参数
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
3.3 Series按索引排序
使用series.sort_index()进行排序
与df一致
# 对索引进行排序
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
4.算数运算
stock为数据,open为数据内的列索引
# 加法运算:DataFrame所有数据都加+2# stock + 2
# stock['open'] + 2
# stock.add(2)
stock.open.add(2).head()# 减法运算
# stock.open - 2
stock.open.sub(2).head()# 乘法运算
# stock * 2
# stock.open.mul(2)# 除法运算
# stock.open / 2
stock.open.div(2).head()
5.逻辑运算
5.1 逻辑运算符号<、 >、|、 &
# 1.判断涨跌幅是否大于2
stock.p_change > 2# 2.获取涨跌幅大于2的股票信息(过滤)
stock[stock.p_change > 2]# 完成一个多条件判断,筛选p_change > 2 并且open > 15
stock[(stock.p_change>2) & (stock.open > 15)]# 筛选p_change > 10 或者 open > 20
stock[(stock.p_change>10) | (stock.open > 20)]
5.2 逻辑运算函数
query(expr)
expr:查询字符串
通过query使得刚才的过程更加方便简单
data.query("p_change > 2 & turnover > 15")
isin(values)
例如判断’turnover’是否为4.19, 2.39
判断某个字段是否在某个区间内
返回True或False
# 可以指定值进行一个判断,从而进行筛选操作
data[data['turnover'].isin([4.19, 2.39])]
5.3 统计运算
3.1 describe()
综合分析: 能够直接得出很多统计结果,count, mean, std, min, max 等
计算平均值mean、标准差std、最大值max、最小值min、非空数据的个数count、中位数:50%、1/4位数:25%、3/4位数:75%
# 计算平均值、标准差、最大值、最小值
data.describe()
describe结果
info() 判断是否有缺失值,并判断每一列的数据类型
stock.info()
3.2 统计函数
Numpy当中已经详细介绍,在这里我们演示min(最小值), max(最大值), mean(平均值), median(中位数), var(方差), std(标准差),mode(众数)结果,
对于单个函数去进行统计的时候,坐标轴还是按照这些默认为“columns” (axis=0, default),如果要对行“index” 需要指定(axis=1)
max()、min()
# 使用统计函数:0 代表列求结果, 1 代表行求统计结果
data.max(0)open 34.99
high 36.35
close 35.21
low 34.01
volume 501915.41
price_change 3.03
p_change 10.03
turnover 12.56
my_price_change 3.41
dtype: float64
std()、var()
# 方差
data.var(0)open 1.545255e+01
high 1.662665e+01
close 1.554572e+01
low 1.437902e+01
volume 5.458124e+09
price_change 8.072595e-01
p_change 1.664394e+01
turnover 4.323800e+00
my_price_change 6.409037e-01
dtype: float64
# 标准差
data.std(0)open 3.930973
high 4.077578
close 3.942806
low 3.791968
volume 73879.119354
price_change 0.898476
p_change 4.079698
turnover 2.079375
my_price_change 0.800565
dtype: float64
median():中位数 中位数为将数据从小到大排列,在最中间的那个数为中位数。如果没有中间数,取中间两个数的平均值。
df = pd.DataFrame({'COL1' : [2,3,4,5,4,2],'COL2' : [0,1,2,3,4,2]})df.median()COL1 3.5
COL2 2.0
dtype: float64
idxmax()、idxmin()
# 求出最大值的位置
data.idxmax(axis=0)open 2015-06-15
high 2015-06-10
close 2015-06-12
low 2015-06-12
volume 2017-10-26
price_change 2015-06-09
p_change 2015-08-28
turnover 2017-10-26
my_price_change 2015-07-10
dtype: object
# 求出最小值的位置
data.idxmin(axis=0)open 2015-03-02
high 2015-03-02
close 2015-09-02
low 2015-03-02
volume 2016-07-06
price_change 2015-06-15
p_change 2015-09-01
turnover 2016-07-06
my_price_change 2015-06-15
dtype: object
5.4 累计统计函数
那么这些累计统计函数怎么用?
cumsum1
以上这些函数可以对series和dataframe操作
这里我们按照时间的从前往后来进行累计
排序
# 排序之后,进行累计求和
data = data.sort_index()
对p_change进行求和
stock_rise = data['p_change']
# plot方法集成了前面直方图、条形图、饼图、折线图
stock_rise.cumsum()2015-03-02 2.62
2015-03-03 4.06
2015-03-04 5.63
2015-03-05 7.65
2015-03-06 16.16
2015-03-09 16.37
2015-03-10 18.75
2015-03-11 16.36
2015-03-12 15.03
2015-03-13 17.58
2015-03-16 20.34
2015-03-17 22.42
2015-03-18 23.28
2015-03-19 23.74
2015-03-20 23.48
2015-03-23 23.74
那么如何让这个连续求和的结果更好的显示呢?
如果要使用plot函数,需要导入matplotlib.
import matplotlib.pyplot as plt
# plot显示图形
stock_rise.cumsum().plot()
# 需要调用show,才能显示出结果
plt.show()
关于plot,稍后会介绍API的选择
5.5 自定义运算
apply(func, axis=0)
func:自定义函数
axis=0:默认是列,axis=1为行进行运算
定义一个对列,最大值-最小值的函数
遍历所有列,每次传入自定义函数为一列数据
data[['open', 'close']].apply(lambda x: x.max() - x.min(), axis=0)open 22.74
close 22.85
dtype: float64
def func(values):return values.max()-values.min()
stock.apply(func=func,axis=0)# 或者用匿名函数
stock.apply(func=lambda x : x.max()-x.min())# 把axis指定为1,遍历所有行,每次传入自定义函数为一行数据
stock.apply(func=lambda x : x.max()-x.min(),axis=1)# 在Series中的apply函数,遍历出来的是各个数,而不是列表,所以对每个数进行操作的函数是可以的
stock.p_change.apply(func=lambda x : x+2)
pandas画图
1 pandas.DataFrame.plot
DataFrame.plot(x=None, y=None, kind=‘line’)
x : 横轴(可选) 列名或 列名的数值索引, 默认为None, 行索引
y : 纵轴(可选) 列名或 列名的数值索引或其列表, 默认所有的数据列
kind : str(可选)
‘line’ : line plot (default) 折线图
‘bar’ : vertical bar plot 垂直方向柱状图
‘barh’ : horizontal bar plot 水平方向柱状图
关于“barh”的解释:
http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.plot.barh.html
‘hist’ : histogram 直方图
‘pie’ : pie plot 饼状图
‘scatter’ : scatter plot 散点图
更多参数细节:https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.plot.html?highlight=plot#pandas.DataFrame.plot
2 pandas.Series.plot
更多参数细节:https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.plot.html?highlight=plot#pandas.Series.plot
文件的读取和存储
1 CSV
1.1 read_csv
pandas.read_csv(filepath_or_buffer, sep =’,’ )
filepath_or_buffer: 文件路径
usecols: 指定读取的列名,列表形式
读取之前的股票的数据
# 读取文件,并且指定只获取'open', 'close'指标
data = pd.read_csv("./data/stock_day.csv", usecols=['open', 'close'])open high close
2018-02-27 23.53 25.88 24.16
2018-02-26 22.80 23.78 23.53
2018-02-23 22.88 23.37 22.82
2018-02-22 22.25 22.76 22.28
2018-02-14 21.49 21.99 21.92
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 : 数据分割符, 默认 ‘,’
columns : 列序列
mode: 写入模式, ‘w’:重写, ‘a’ 追加
index: 是否写入行索引
header :boolean or list of string, default True, 是否写入列索引值
1.3 案例
保存'open'列的数据
# 选取10行数据保存,便于观察数据
data[:10].to_csv("./data/test.csv", columns=['open'])
读取,查看结果
pd.read_csv("./data/test.csv")Unnamed: 0 open
0 2018-02-27 23.53
1 2018-02-26 22.80
2 2018-02-23 22.88
3 2018-02-22 22.25
4 2018-02-14 21.49
5 2018-02-13 21.40
6 2018-02-12 20.70
7 2018-02-09 21.20
8 2018-02-08 21.79
9 2018-02-07 22.69
会发现将索引存入到文件当中,变成单独的一列数据。如果需要删除,可以指定index参数,删除原来的文件,重新保存一次。
# index:存储不会讲索引值变成一列数据
data[:10].to_csv("./data/test.csv", columns=['open'], index=False)
2 HDF5
2.1 read_hdf与to_hdf
HDF5文件的读取和存储需要指定一个键,值为要存储的DataFrame
pandas.read_hdf(path_or_buf,key =None,** kwargs)
从h5文件当中读取数据
path_or_buffer:文件路径key:读取的键return:Theselected object
DataFrame.to_hdf(path_or_buf, key, \kwargs)
2.2 案例
读取文件
day_eps_ttm = pd.read_hdf("./data/stock_data/day/day_eps_ttm.h5")
如果读取的时候出现以下错误
需要安装安装tables模块避免不能读取HDF5文件
pip install tables
存储文件
day_eps_ttm.to_hdf("./data/test.h5", key=“day_eps_ttm”)
再次读取的时候, 需要指定键的名字
new_eps = pd.read_hdf("./data/test.h5", key=“day_eps_ttm”)
3 JSON
JSON是我们常用的一种数据交换格式,前面在前后端的交互经常用到,也会在存储的时候选择这种格式。所以我们需要知道Pandas如何进行读取和存储JSON格式。
3.1 read_json
pandas.read_json(path_or_buf=None, orient=None, typ=‘frame’, lines=False)
将JSON格式准换成默认的Pandas DataFrame格式orient : string,Indication of expected JSON string format.'split' : dict like {index -> [index], columns -> [columns], data -> [values]}split 将索引总结到索引,列名到列名,数据到数据。将三部分都分开了'records' : list like [{column -> value}, ... , {column -> value}]records 以columns:values的形式输出'index' : dict like {index -> {column -> value}}index 以index:{columns:values}...的形式输出'columns' : dict like {column -> {index -> value}},默认该格式colums 以columns:{index:values}的形式输出'values' : just the values arrayvalues 直接输出值lines : boolean, default False按照每行读取json对象typ : default ‘frame’, 指定转换成的对象类型series或者dataframe
3.2 read_josn 案例
数据介绍
这里使用一个新闻标题讽刺数据集,格式为json。is_sarcastic:1讽刺的,否则为0;headline:新闻报道的标题;article_link:链接到原始新闻文章。存储格式为:
{“article_link”: “https://www.huffingtonpost.com/entry/versace-black-code_us_5861fbefe4b0de3a08f600d5”, “headline”: “former versace store clerk sues over secret ‘black code’ for minority shoppers”, “is_sarcastic”: 0}
{“article_link”: “https://www.huffingtonpost.com/entry/roseanne-revival-review_us_5ab3a497e4b054d118e04365”, “headline”: “the ‘roseanne’ revival catches up to our thorny political mood, for better and worse”, “is_sarcastic”: 0}
读取
orient指定存储的json格式,lines指定按照行去变成一个样本
json_read = pd.read_json("./data/Sarcasm_Headlines_Dataset.json", orient=“records”, lines=True)
结果为:
3.3 to_json
DataFrame.to_json(path_or_buf=None, orient=None, lines=False)
将Pandas 对象存储为json格式
path_or_buf=None:文件地址
orient:存储的json形式,{‘split’,’records’,’index’,’columns’,’values’}
lines:一个对象存储为一行
Pandas的基本操作以及画图相关推荐
- python 用pandas读取excel并画图
用pandas读取excel并画图展示 初学python,啥都不懂.刚好有个数据想分析一下,便搜索了如何使用python处理Excel并展示,短短的一段代码浪费了很多时间,直接贴代码吧: python ...
- python中的pandas的两种基本使用_Python:Pandas的基本操作和使用
Pandas整体内容概要 本文整体介绍 Pands的数据结构 Pands的读取与保存 数据的基本操作:数据的查看.检查.选择.删减.填充 数据的处理:合并.聚合.分组.filter.sort.grou ...
- Pandas索引基本操作
公众号:尤而小屋 作者:Peter 编辑:Peter 大家好,我是Peter~ 本文主要是记录Pandas中单层索引的一些基本操作. 10种索引 下面简单回顾下之前学习创建的10种索引: pd.Ind ...
- 【Python学习系列二十一】pandas库基本操作
pandas很强大,操作参考官网:http://pandas.pydata.org/pandas-docs/stable/ 也有一份10分钟入门的材料:http://pandas.pydata.org ...
- 【Pandas】数据分析工具Pandas的基本操作和可视化工具Matplotlib
1.Pandas简介 pandas是python的一个数据分析包,最初由AQR Capital Management于2008年4月开发,并于2009年底开源出来,目前由专注于Python数据包开发的 ...
- pandas的DataFrame数据画图matplotlab曲线如何改变时间刻度【间隔时间】并格式化日期显示总结
date_format = mpl_dates.DateFormatter("%Y-%m-%d") # 设置日期格式化显示规则 df_ax.xaxis.set_major_form ...
- networkx —— 基本操作及画图
这几天在用networkx,官方文档是这个,很全也很详细,这里简单记录一些简单的用法和使用过程中的菜鸡看法. 这篇主要记一下networkx基本图创建和如何画图. 环境 Python 3.6.3 ne ...
- python炒股模块_Python数据分析-numpy模块、pandas模块.基本操作、股票案例
索引操作和列表同理 arr = np.random.randint(0,100,size=(5,6)) arr array([[14, 89, 71, 96, 1, 94], [30, 98, 10, ...
- Python OpenCV _1基本操作(画图,循环播放图像,鼠标事件,读取中文路径中的图片)
此系列源码在我的GitHub里:https://github.com/yeyujujishou19/Python-OpenCV 一,OpenCV的结构 A)根据功能和需求的不同,OpenCV中的函数接 ...
最新文章
- 危险进程大集合咯!(吐血推荐)
- Survey | 深度学习方法在生物网络中的应用
- iOS开发里的Bundle是个啥玩意?!
- java学生背景知识要求,好好学习Java并发 一、背景知识
- CentOS7下解决ifconfig command not found的办法
- linux入门_韩顺平_复习版_文件目录类
- 【JAVA基础】一:聊聊笔试常见到的 “==、equal” 比较是否相等的内在差别
- include静态加载布局ViewStub动态加载布局
- Android学习笔记----ArcGIS在线地图服务(Android API)坐标纠偏
- c语言春考题目,PAT 2017年春考乙级真题(1066. 图像过滤)(C语言)
- 苹果cms V10模板 手机端模板粉红色模板带会员中心
- iOS 11 下 UICollectionView 出现滚动条被 HeaderView 遮挡的问题
- [RMAN]异机恢复实验
- 操作系统部分知识点(持续更新)
- Analytical.Graphics.STK.Pro.v8.11
- c语言用程序判断是否素数,用C语言编写判断一个数是否是素数的程序
- loadrunner 11下载及破解
- openwrt打印机服务器稳定性,软路由 篇一:openwrt共享打印机【上】【完美解决】HP10系打印异常问题...
- 网件刷breed_小白爱折腾 篇二:矿渣小娱C1刷breed以安装固件(适用其他路由器)...
- MAC wps中选中的页面和缩放打印
热门文章
- java——如何获取当前时间到第二天凌晨(12点)的秒的差值(或者分钟的差值)
- 论文学习:Ziggurat: A tiered File System for Non-Volatile Main Memories and Disks
- opencv 实现ps油漆桶【一】
- 洛谷P1096 Hanoi 双塔问题(数论,高精度)
- yar 框架 实现 rpc
- java人员的工龄_计算员工工龄,这个问题千万要注意
- 阿里云OSS上传请求403问题的完美解决方案及uni.uploadFile h5上传文件失败完美解决方案
- 仙道录 第一卷 天道门 第五章 神奇石头
- 使用CAD代替Tikz绘制LaTeX矢量图
- excel smart流程图增加_大神们原来是这样画出流程图的,怪不得画的又快又好看!...