Python Pandas学习之基本数据操作详解

更新时间：2022年02月23日 14:03:20 作者：Dragon少年

本文将通过读取一个股票数据，来进行Pandas的一些基本数据操作的语法介绍。文中的示例代码讲解详细，感兴趣的小伙伴可以跟随小编一起学习一下

# 读取文件（读取保存文件后面会专门进行讲解，这里先直接调用下api）
data = pd.read_csv("./data/stock_day.csv")  # 读取当前目录下一个csv文件

# 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)

1 索引操作

Numpy当中我们已经讲过使用索引选取序列和切片选择，pandas也支持类似的操作，也可以直接使用列名、行名称，甚至组合使用。

1.1 直接使用行列索引(先列后行)

举例：获取2018-02-27 这天闭盘价，即获取’2018-02-27’这天的’close’的结果。

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

# 不支持的操作
# 错误
data['2018-02-27']['close']
# 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’，'close’的结果

# 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可以通过索引的下标去获取
# 获取前3天数据,前5列的结果
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组合索引

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

2 赋值操作

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

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

3.1 DataFrame排序

使用df.sort_values(by=, ascending=)

单个键或者多个键进行排序,

参数：

1.by：指定排序参考的键

2.ascending:默认升序

ascending=False:降序
ascending=True:升序

# 按照开盘价大小进行排序 , 使用ascending指定按照大小排序,取前5行数据
data.sort_values(by="open", ascending=True).head()

# 按照多个键进行排序
data.sort_values(by=['open', 'high'])

使用df.sort_index给索引进行排序

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()

3.2 Series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

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

# 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

到此这篇关于Python Pandas学习之基本数据操作详解的文章就介绍到这了,更多相关Python Pandas数据操作内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

python设置中文界面实例方法
在本篇文章里小编给大家整理的是关于python设置中文界面实例方法，有兴趣的朋友们可以学习参考下。
2020-10-10
Pandas剔除混合数据中非数字的数据操作
这篇文章主要介绍了Pandas剔除混合数据中非数字的数据操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2021-03-03
python如何实现多层级自动赋值字典
这篇文章主要介绍了python如何实现多层级自动赋值字典问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
2023-08-08
Python pyasn库解析和生成ASN.1数据结构
这篇文章主要介绍了Python pyasn库实现ASN.1数据结构的解析和生成实例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
2024-01-01
python两种获取剪贴板内容的方法
这篇文章主要介绍了python两种获取剪贴板内容的方法，帮助大家更好的理解和使用python，完成需求，感兴趣的朋友可以了解下
2020-11-11
在Django中URL正则表达式匹配的方法
今天小编就为大家分享一篇在Django中URL正则表达式匹配的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2018-12-12
Android申请相机权限和读写权限实例
大家好，本篇文章主要讲的是Android申请相机权限和读写权限实例，感兴趣的同学赶快来看一看吧，对你有帮助的话记得收藏一下
2022-02-02
Pandas自定义shift与DataFrame求差集的小技巧
Python是进行数据分析的一种出色语言,主要是因为以数据为中心的python软件包具有奇妙的生态系统,下面这篇文章主要给大家介绍了关于Pandas自定义shift与DataFrame求差集的相关资料,需要的朋友可以参考下
2022-02-02
基于h5py的使用及数据封装代码
今天小编就为大家分享一篇基于h5py的使用及数据封装代码，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-12-12
基于Python预测一下世界杯最后赢家
四年一度的世界杯已经开始了，对于不少热爱足球运动的球迷来说，这可是十分难得的盛宴。今天小编就通过Python数据分析以及机器学习等方式来预测一下谁能获得最后的冠军，感兴趣的可以了解一下
2022-11-11