ipython --pandas

d定义:

pandas是一个强大的Python数据分析的工具包。

pandas是基于NumPy构建的。

安装方法:

pip install pandas

import pandas as pd

pandas的主要功能

具备对其功能的数据结构DataFrame、Series

集成时间序列功能

提供丰富的数学运算和操作

灵活处理缺失数据

 

Series

定义:Series是一种类似于一位数组的对象，由一组数据和一组与之相关的数据标签（索引）组成。

创建方式:

创建方式：
pd.Series([4,7,-5,3]) 
pd.Series([4,7,-5,3],index=['a','b','c','d'])               
pd.Series({ 'a':1, 'b':2})             
pd.Series(0, index=['a','b','c','d’])

 

获取值数组和索引数组：values属性和index属性

Series比较像列表（数组）和字典的结合体。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

实例:

sr=pd.Series([1,2,3,4],index=['a','b','c','d'])sr['a':'c']==>
a   -4
b    3
c    5
dtype: int64sr[['a','d']]==
a   -4
d    6
dtype: int64判断 条件是键不是值
'b' in sr
==
true1 in sr
==
flase取值: 取值的方法和字典相类似
sr.get('a',0)

 

sr=pd.Series([1,2,3,4],index=['b','c','d','a'])b    1
c    2
d    3
a    4
dtype: int64sr.iloc[1]   #取索引为1 
==
2sr.ilc[2]  #取索引为2
==
3

 

sr=pd.Series([1,2,3,4],index=['b','c','d','a'])
sr1=pd.Series([5,6,7,8,9],index=['a','b','c','d','e'])
sr2=pd.Series([5,6,7,8,9,10],index=['a','b','c','d','e','f'])sr+sr1
==
a     9.0
b     7.0
c     9.0
d    11.0
e     NaN
dtype: float64
PS:多出来的值只是NANadd方法
sr3=sr.add(sr2,fill_value=0)sr3:
==
a     9.0
b     7.0
c     9.0
d    11.0
e     9.0
f    10.0
dtype: float64用add方法:没有就加上,不会出现Nan

sr4a     9.0
b     7.0
c     9.0
d    11.0
e     NaN
dtype: float64sr4.notnull()
a     True
b     True
c     True
d     True
e    False
dtype: boolsr4[sr4.notnull()]  #把是NAN的去掉a     9.0
b     7.0
c     9.0
d    11.0sr4.dropna()  #也是直接去掉为nan的
a     9.0
b     7.0
c     9.0
d    11.0
dtype: float64

 

sr=pd.DataFrame({ 'one':[1,2,3,4],'two':[32,4,5,6]},index=['a','s','d','q'])

import random
li = [random.uniform(10,20) for _ in range(1000)]
ratio = 6.3list(map(lambda x:x*ratio, li))

df = pd.read_csv('601318.csv', header=None, names=list('asdfghjk'))

 

 

df = pd.read_csv('601318.csv',index_col=1, parse_dates=['date'])
df

 

 

 

df.groupby('key1').sum()