Pandas学习（一）

一、简介

1、以Numpy为基础，借力Numpy模块在计算方面性能高的优势

2、基于matplotlib，能够简便的画图

3、拥有独特的数据结构

二、Pandas与Numpy的不同

Numpy已经能够帮助我们处理数据，能够结合matplotlib解决部分数据展示等问题，而pandas其优点是：

1、便捷的数据处理能力

2、读取文件方便

3、封装了Matplotlib、Numpy的画图和计算

三、Pandas的DataFrame数据结构

3.1 DataFrame

3.1.1、DataFrame对象既有行索引，又有列索引

• 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

3.1.2、DataFrame的属性

常用属性：

（1）.shape

data.shape
# 数据的形状元祖，即多少行，多少列
(10, 5)  # 10行，5列

（2）.index  行索引列表

（3）.columns  列索引列表

（4）.values  获取其中array的值

（5）.T  转置，使行和列调转

3.1.3、DataFrame的方法

常用方法：

（1）.head(5)  显示前5行内容，如果不补充参数，默认5行。填入参数N则显示前N行

（2）.tail()  显示后5行内容，如果不补充参数，默认5行。填入参数N则显示后N行

3.1.4、DataFrame索引的设置

（1）修改行列索引值，注意：在修改行列索引值时，不能使用data.index[3] = '股票_3'这种方法单独修改某一行或列的索引值，一定要全部修改

stock_code = ["股票_" + str(i) for i in range(stock_change.shape[0])]

# 必须整体全部修改
data.index = stock_code

（2）重设索引（行索引）

reset_index(drop=False)

• 设置新的下标索引
• drop:默认为False，不删除原来索引，如果为True,删除原来的索引值

# 重置索引,drop=False
data.reset_index()

    index    2017-01-02 00:00:00    2017-01-03 00:00:00    2017-01-04 00:00:00    2017-01-05 00:00:00    2017-01-06 00:00:00
0    股票_0    -0.065440    -1.309315    -1.454515    0.579730    1.486024
1    股票_1    -1.732167    -0.834137    0.458615    -0.803918    -0.468786
2    股票_2    0.218056    0.199014    0.713468    0.548426    0.386234
3    股票_3    -0.422079    -0.337024    0.423285    -1.230792    1.328438
4    股票_4    -1.725307    0.075918    -1.917084    -0.165358    1.076451
5    股票_5    -0.815768    -0.286753    1.204420    0.733660    -0.062145
6    股票_6    -0.988209    -1.018152    -0.954173    -0.815390    0.502682
7    股票_7    -0.100341    0.611962    -0.068503    0.747384    0.143011
8    股票_8    1.000262    0.342420    -2.252971    0.939211    1.140803
9    股票_9    2.520647    1.553848    1.722530    0.612701    0.608881

# 重置索引,drop=True
data.reset_index(drop=True)

2017-01-02 00:00:00    2017-01-03 00:00:00    2017-01-04 00:00:00    2017-01-05 00:00:00    2017-01-06 00:00:00
0    -0.065440    -1.309315    -1.454515    0.579730    1.486024
1    -1.732167    -0.834137    0.458615    -0.803918    -0.468786
2    0.218056    0.199014    0.713468    0.548426    0.386234
3    -0.422079    -0.337024    0.423285    -1.230792    1.328438
4    -1.725307    0.075918    -1.917084    -0.165358    1.076451
5    -0.815768    -0.286753    1.204420    0.733660    -0.062145
6    -0.988209    -1.018152    -0.954173    -0.815390    0.502682
7    -0.100341    0.611962    -0.068503    0.747384    0.143011
8    1.000262    0.342420    -2.252971    0.939211    1.140803
9    2.520647    1.553848    1.722530    0.612701    0.608881

（3）以某列值设置为新的索引

set_index(keys, drop=True)

• keys : 列索引名称或者列索引名称的列表
• drop : 默认为True，当做新的索引，删除原来的列

df = pd.DataFrame({'month': [1, 4, 7, 10],
                    'year': [2012, 2014, 2013, 2014],
                    'sale':[55, 40, 84, 31]})

   month  sale  year
0  1      55    2012
1  4      40    2014
2  7      84    2013
3  10     31    2014

df.set_index('month')  # 以月份设置新的索引
       
month sale  year
1      55    2012
4      40    2014
7      84    2013
10     31    2014

df.set_index(['year', 'month'])  # 设置多个索引，以年和月份
            
year  month  sale
2012  1     55
2014  4     40
2013  7     84
2014  10    31

注：通过刚才的设置，这样DataFrame就变成了一个具有MultiIndex的DataFrame。

3.2 MultiIndex

打印刚才的df的行索引结果，df是一个MultiIndex对象：多级或分层索引对象

df.index

MultiIndex(levels=[[2012, 2013, 2014], [1, 4, 7, 10]],
           labels=[[0, 2, 1, 2], [0, 1, 2, 3]],
           names=['year', 'month'])

index属性：

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

3.3 Panel

存储3维数组的Panel结构

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

四、Pandas的Series数据结构

 

series结构只有行索引

我们将之前的涨跌幅数据进行转置，然后获取'股票0'的所有数据

data = data.T
# series
type(data['股票_0'])
pandas.core.series.Series

# 这一步相当于是series去获取行索引的值
data['股票_0']['2017-01-02']
-0.18753158283513574