算法-lowb三人组

Posted 2020-10-22 forjie

---恢复内容开始---

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: int64

sr[[\'a\',\'d\']]

==
a   -4
d    6
dtype: int64

判断 条件是键不是值
\'b\' in sr
==
true

1 in sr
==
flase


取值: 取值的方法和字典相类似
sr.get(\'a\',0)

判断,切片,取值

 

sr=pd.Series([1,2,3,4],index=[\'b\',\'c\',\'d\',\'a\'])

b    1
c    2
d    3
a    4
dtype: int64

sr.iloc[1]   #取索引为1 
==
2

sr.ilc[2]  #取索引为2
==
3

取索引

 

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NAN


add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

add方法和 a+b区别

sr4

a     9.0
b     7.0
c     9.0
d    11.0
e     NaN
dtype: float64

sr4.notnull()
a     True
b     True
c     True
d     True
e    False
dtype: bool

sr4[sr4.notnull()]  #把是NAN的去掉

a     9.0
b     7.0
c     9.0
d    11.0

sr4.dropna()  #也是直接去掉为nan的
a     9.0
b     7.0
c     9.0
d    11.0
dtype: float64

notnull()和dropna()

 

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 = 6.3

list(map(lambda x:x*ratio, li))

map函数调用

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()

 

 

 

 

---恢复内容结束---