数据分析基础之《pandas（2）—基本数据操作》

csj502024-02-04 12:37

一、读取一个真实的股票数据

1、读取数据

python 复制代码

# 基本数据操作
data = pd.read_csv("./stock_day.csv")

data

# 删除一些列，使数据简洁点
data = data.drop(['ma5','ma10','ma20','v_ma5','v_ma10','v_ma20'], axis=1)

data

二、索引操作

1、numpy当中我们已经讲过使用索引选取序列和切片选择，pandas也支持类似操作

2、直接使用行列索引（先列后行）

因为dataframe带了行列索引，所以可以直接用它的，要注意先列后行

python 复制代码

data['open']['2018-02-26']

3、按名字索引

结合loc函数使用，通过行标签索引行数据，可以多行，可以 $行标签, 列标签$

python 复制代码

data.loc['2018-02-26','open']

4、按数字索引

结合iloc函数使用，通过行号索引行数据

python 复制代码

data.iloc[1, 0]

5、组合索引

结合ix函数使用，注意ix函数在0.20.0版本已经废弃

获取行第1天到第4天， $'open','close','high','low'$ 这四个指标的结果

data.ix $0:4, \['open','close','high','low'$ ]

组合索引目前已经整合到iloc里，直接用iloc进行组合索引

python 复制代码

# 推荐使用loc和iloc方式获取
data.loc[data.index[0:4], ['open','close','high','low']]

data.iloc[0:4, data.columns.get_indexer(['open','close','high','low'])]

三、赋值操作

1、修改一整列

data.open = 100

2、赋值某一个字段

用上面索引方法找到这一个值，然后赋值

修改第2行第1列

data.iloc $1, 0$ = 222

四、排序

1、排序有两种形式，一种对内容进行排序，一种对索引进行排序

2、DataFrame

sort_values(by=, ascending=)

对内容进行排序

说明：

（1）by：单个键或者多个键进行排序，默认升序

（2）ascending=False，降序

（3）ascending=True，升序

python 复制代码

# 按照涨跌幅大小进行排序，使用ascending指定
data.sort_values(by='p_change', ascending=False)

python 复制代码

# 按多个字段进行排序
data.sort_values(by=['high','p_change'], ascending=False)

sort_index()

对索引进行排序

python 复制代码

# 对索引进行排序
data.sort_index()

3、Series

sort_values(ascending=)

对内容进行排序

sort_index()

对索引进行排序

python 复制代码

# Series排序
sr = data['price_change']

sr

sr.sort_values(ascending=False)

sr.sort_index()