Pandas基础

Pandas基础

import numpy as np
import pandas as pd
#pandas 基础操作
data=np.arange(18).reshape(6,3)#数据
print('数据：')
print(data)

dates=pd.date_range('20180605', periods=6)#pandas时间序列
print('pandas 时间序列')
print(dates)

#pandas以时间作为行索引，[a,b,c]作为列索引的表
print('pandas以时间作为行索引，[a,b,c]作为列索引的表')
data_frame=pd.DataFrame(data=data, index=dates, columns=['a', 'b', 'c'])
print(data_frame)

#表格数据的简单统计
print('对每列数据计算简单的统计数据：')
print(data_frame.describe())

print('按行索引降序排列：')
print(data_frame.sort_index(axis=0, ascending=False))#按行索引降序排列

print('按列索引降序排列：')
print(data_frame.sort_index(axis=1,  ascending=False))#按列索引降序排列

print('按索引为''a''的列的值降序排列：')
print(data_frame.sort_values(by='b', ascending=False))#数据按照某一列值排序

print('数据表转置：')
print(data_frame.T)#数据表转置

#data frame取值操作
print('两种取出列索引为"a"的数据：')
print(data_frame['a'], data_frame.a )
print('loc:取出行索引为"2018-06-08"，列索引为"a""c"数据：')
print(data_frame.loc['2018-06-08', ['a','c']])
print('iloc:按照位置索引来取值：')
print(data_frame.iloc[3:5,0:2])
print('bool 索引:显示"a"列中大于6的所有行')
print(data_frame[data_frame['a']>=6])

#data frame赋值
print('改变第2行，第2列的值为0：')
data_frame.iloc[4,2]=np.nan
print(data_frame)
print('改变第4行的所有值：')
data_frame.iloc[3,:]=[100, 100, 100]
print(data_frame)
print('添加一列：')
data_frame['d']=[1,2,3,4,5,6]
print(data_frame)

#处理数据中的nan
print('判断是否为nan：')
print(data_frame.isnull())
print('删去包含nan的行：')
print(data_frame.dropna(axis=0, how='any'))
print('删去包含nan的列：')
print(data_frame.dropna(axis=1, how='any'))
print('替换nan为88：')
print(data_frame.fillna(value=88))

#存储数据与读取数据(csv)
data_frame.to_csv('data.csv')
data_fr=pd.read_csv('data.csv')
print(data_fr)

#data frame 拼接
print('data_frame：')
print(data_frame)
date2=pd.date_range('20180605', periods=3)
data_frame2=pd.DataFrame(np.arange(12).reshape(3,4), index=date2, columns=['b','c','d','e'])
print('data_frame2：')
print(data_frame2)
print('列向拼接data frame，保留同列号的数据，并且重排行行索引：')
print(pd.concat([data_frame, data_frame2], axis=0, ignore_index=True, join='inner'))
print('行向拼接data frame，保留同行号的数据，并且重排行索引：')
print(pd.concat([data_frame, data_frame2], axis=1, ignore_index=True, join='inner'))