Python Pandas 二维数据处理与 TSQL 对应关系

Pandas 是 python的一个数据分析包，它提供了大量的数据模型型和函数库，对数据处理很方便。DataFrame 是一个二维表格数据结构，可以当做数据库中的一张关系表。Pandas 可以实现 SQL 中的语句，对 DataFrame 的操作相当于对二维表操作一样。

还是以股票某天的分笔记录为例。之前数据进行处理已经导入数据库。

import numpy as np
import pandas as pd
from pandas import Series, DataFrame

import tushare as ts
df = ts.get_tick_data('600543',date='2017-12-29')

当前都在命令行窗口测试。为了使数据与数据库中的一直（当前几个字段没有），进行以下处理。

#查看类型
print(type(df))

#【更新列】,替换掉无效字符
df['change'] = df['change'].replace('--', '')  

#【添加列】，所有值一样 (两种方法)
df['code'] = '600543'
df['date'] = '2017-12-29'  

df = df.assign(code= '600543', date='2017-12-29')

#【删除列】
df.pop('pchange')
del df['change']

#查看列名
list(df.columns.values)

#调整列的位置，即重新赋值(三种方法)
df = df[['code', 'date', 'time', 'price', 'change', 'volume', 'amount', 'type']]
df = df.reindex_axis([ 'code', 'date', 'time', 'price', 'change', 'volume', 'amount', 'type'], axis=1)
df = df.reindex(columns=[ 'code', 'date', 'time', 'price', 'change', 'volume', 'amount', 'type'])

基本的查询对照语句：

T-SQL	Pnadas 脚本
select *from [Fenbi600543]	df
select code from [Fenbi600543]	df.code
select code,datefrom [Fenbi600543]	df[['code', 'date']]
select top(10)* from [Fenbi600543]	df.head(10)
select *from [Fenbi600543] where type='买盘'	df[(df['type'] == '买盘')]
select *from [Fenbi600543] where volume=0	df[(df['volume']==0)]
select *from [Fenbi600543] where volume>=100	df[(df['volume']>=100)]
select *from [Fenbi600543] where volume<10	df[(df['volume']<10)]
select *from [Fenbi600543] where volume >=100 and volume<=200	df[(df['volume']>=100)&(df['volume']<=200)]
select *from [Fenbi600543] where volume =0 or volume>=200	df[(df['volume']==0)|(df['volume']>=200)]
select *from [Fenbi600543] where volume in(15,25)	df[df.volume.isin([15,25])]
select *from [Fenbi600543] where volume not in(15,25)	df[~df.volume.isin([15,25])]
select *from [Fenbi600543]  where typelike '%中性%'	df[df['type'].str.contains("中性")]
select *from [Fenbi600543] order by volumedesc	df.sort_values('volume', ascending=False)
select *from [Fenbi600543] order by volumeasc,price desc	df.sort_values(['volume', 'price'], ascending=[True, False])
select code as mycode,volume asmyvolume from [Fenbi600543]	df[['code', 'volume']].rename(columns={'code':'mycode', 'volume':'myvolume'})
select distinct code,typefrom[Fenbi600543]	df[['code', 'type']].drop_duplicates()

统计函数：

#每列都统计总数
df.count()

#每列平均值（只统计数值型）
df.mean()

#每列都统计汇总数（数值型则汇总，字符型则连接成一行）
df.sum()

#每列的最大值或最小值
df.max()
df.min()

#只显示一列（如 volume）的数值统计【还有 各种方差、标准差、等计算】
#更多参考 http://pandas.pydata.org/pandas-docs/stable/api.html#api-dataframe-stats
df["volume"].count()
df["volume"].mean()
df["volume"].sum()
df["volume"].max()
df["volume"].min()


#只显示一列（如 volume）的数值统计及类型
df[['volume']].apply(sum)
df[['volume']].apply(max)
df[['volume']].apply(min)


#按 type 分组，显示所有列的数值统计
df.groupby('type').count()
df.groupby('type').mean()
df.groupby('type').sum()
df.groupby('type').max()
df.groupby('type').min()

df.groupby('type')['volume','amount'].sum() #取指定列，如 'volume','amount'


#按 volume 分组，每个分组取第一行数据
df.groupby('volume').first()

#按 volume 分组，每个分组取最后一行数据
df.groupby('volume').last()

#按 type 分组，每个分组取前5行数据
df.groupby('type').head()

分组统计对比：

T-SQL	Pnadas 脚本
select count(volume),sum(volume),avg(volume) ,max(volume),min(volume) from [Fenbi600543]	df.agg({'volume': ['count', 'sum', 'mean', 'max', 'min']})
select sum(volume),sum(amount)from [Fenbi600543]	df.agg({'volume': ['sum'],'amount': ['sum']})
select [type],sum(volume)from [Fenbi600543] groupby[type]	df[[ 'type','volume']].groupby('type').sum()
select [type],count(volume),sum(volume),max(volume) from [Fenbi600543] group by [type]	df.groupby(['type']).agg({'volume':['count', 'sum', 'max']})
select code,[type],count(volume),sum(volume),max(volume) from [Fenbi600543] group by code,[type]	df.groupby(['code','type']).agg({'volume':['count', 'sum', 'max']})

索引相关：

#查看索引（默认为递增整数序列）
df.index

#设置索引，将列转为索引（df.index 此时为时间顺序的一维数组）
df.set_index('time', inplace=True)

#此时再查询时间“time”列则报错，“time”变为索引，不存在列“time”了
df.time
df[['time', 'date']]

#恢复，将索引转为列（此时默认序列将成为索引）
df = df.reset_index() 


#或者重新添加列，使其和索引值一样。
df['time'] = df.index

#如果列已经存在，重置索引时，不需要将其转为列，而是直接删除
df = df.reset_index(drop=True)

行定位查询（如获取分页数据等）

默认的，DataFrame 的索引为自增序列。

#取某一行记录（如第100行 index=99）
df.loc[99]
df.iloc[99]

#选择 0~2行记录，如 [0，3)
df[0:3]

#查询前10行记录
df.loc[:10]
df.iloc[:10]
df.head(10)

#查询 3 列数据
df.loc[:,['type','volume','amount']]
df[['type','volume','amount']]

#查询前 50~60 行记录,取其中3列
df.loc[50:60,['type','volume','amount']]
df.loc[50:60][['type','volume','amount']]

#取第一列或第二列数据
df.iloc[:,[0]]  
df.iloc[:,[0,1]]  

更多参考: http://pandas.pydata.org/pandas-docs/stable/api.html#api-dataframe-stats