pandas数组及DataFrame的索引及切片操作

Handsome_zhou

对于pandas的dateframe和series，要想掌握它，最好的办法就是使用它。

pandas模块为已经具有丰富的数据结构的python增加了两个新的数据容器：Series和DataFrame。
Series是具有标签的（也就是具有索引的）一维矢量。dataframe是一个行和列都具有标签的表格，它与Excel表格和MySql表格并无不同。dataframe的每一个列都是一个series。除了一些特殊情况外，pandas对dataframe和series的处理方式是相似的。

frame和series不是简单的存储容器，他们都内置了进行各种数据整理操作的工具。如：
一、单极和分级索引
二、处理缺失数据
三、对整个列和表进行算术和布尔运算
四、数据库类型的操作（比如合并和聚合）
五、绘制各个列和整个表格
六、从文件读取数据并将数据写入文件

frame和series非常方便，当你在处理一维或二维表格数据时，都应该使用它们。

pandas的文件读写功能很强大，其输入输出功能一方面可以实现frame和series之间的数据交换，另一方面能实现CVS文件、表格文件、固定宽度文件、JSON文件、操作系统剪贴板等之间的数据交换。
读取CVS文件：
      函数read_cvs()根据文件名或者打开的文件的句柄，从指定的CSV文件中读取一个frame。该函数具有近50个可选参数，他是处理CSV文件的瑞士军刀。
      read_csv()函数的部分重要参数如下：
      sep或delimiter:列分隔符。
      header：作为列名的行号。如果你有自己的列名列表，则传递None。
      index_col：作为索引的列名。
      names：列名列表

由于我比较笨，对相对路径一直不太感冒，所以采用绝对路径的方式读取文件。

示例代码：

import numpy as np
import pandas as pd
from datetime import datetime

path = 'D:\\xap.csv'
df = pd.read_csv(path,encoding='UTF-8')
#将字符串索引转换成时间索引
df['date'] = pd.to_datetime(df['date'])
#将DateFrame转换成Series
ts = pd.Series(df['value'].values,index=df['date'])

#ts.head()
#ts.axes
#ts['2004']
#ts.head().index
#ts['2005-01-19']
#ts[datetime(2005,1,18)]
#ts['2005']
#切片操作
ts['2004-12':'2005-2']

部分运行结果：


numpy数组切片示例：







对dataframe取行或列的操作：

import pandas as pd

data = pd.DataFrame(data)

data_column2= data.iloc[:,:1]#取第一列

data_raw2 = data.iloc[:1,:]#取第一行

大志若愚

加油，最近也在看pandas视频

Handsome_zhou

大志若愚 发表于 2020-10-27 08:00
加油，最近也在看pandas视频

嗯嗯，一起加油