Pandas结构

DataFrame结构

DataFrame对象既有行索引，又有列索引

行索引，表明不同行，横向索引，叫index，0轴，axis=0
列索引，表名不同列，纵向索引，叫columns，1轴，axis=1

---

DatatFrame的属性

• shape

• df.shape—形状

• df.index--行索引

• df.columns--列索引

• df.values—值—ndarray

• df.T-转置—注意:转置后行索引-列索引互换

• df.head(n)—看头部的n(默认5)行

• df.tail(n)—看尾部的n(同上)行

---

DatatFrame索引的设置

• 修改索引

  • df.index=新索引
  • 注意：只能整体修改--Index类型是一个不可变(immutable)对象
    

• 重设索引

  • df.reset_index(drop=Fasle)
  • 注意：df中的索引本身也是数据的一部分
  • drop:默认为False，不删除原来索引，如果为True,删除原来的索引值

• 列设为索引

  • df.set_index(keys)
  • keys：列索引名成或者列索引名称的列表---可以设置多列(类似于数据库表中的组合主键)
  • drop : boolean, default True.当做新的索引，删除原来的列

---

MultiIndex
多级或分层索引对象。

• index属性
  • names:levels的名称
  • levels：每个level的元组值

df.index.names
FrozenList(['year', 'month'])

df.index.levels
FrozenList([[1, 2], [1, 4, 7, 10]])

Panel

注：Pandas从版本0.20.0开始弃用：推荐的用于表示3D数据的方法是通过DataFrame上的MultiIndex方法

• class pandas.Panel(data=None, items=None, major_axis=None, minor_axis=None, copy=False, dtype=None)
  • 存储3维数组的Panel结构

Series结构

• 只有行索引--没有列索引

# series
type(data['2017-01-02'])
pandas.core.series.Series

# 这一步相当于是series去获取行索引的值
data['2017-01-02']['股票_0']
-0.18753158283513574

创建series

• 直接给值--同时可以指定行索引

# 指定内容，默认索引
pd.Series(np.arange(10))

# 指定索引
pd.Series([6.7,5.6,3,10,2], index=[1,2,3,4,5])

• 通过字典

pd.Series({'red':100, ''blue':200, 'green': 500, 'yellow':1000})

• series获取属性和值--没有columns属性
  1. index
  2. values

基本数据操作——索引

• 直接使用行列索引(先列后行)—series式访问
  data['open']['2018-02-23']先拿到seriess,再通过行索引拿到值

# 直接使用行列索引名字的方式（先列后行）
data['open']['2018-02-27']
23.53

# 不支持的操作
# 错误
data['2018-02-27']['open']
# 错误
data[:1, :2]

• 结合loc或者iloc使用索引—数组式访问
  • 跟numpy类似 一定是方括号
  • df.loc—只能给索引名
  • df.iloc--只认识下标

# 使用loc:只能指定行列索引的名字
data.loc['2018-02-27':'2018-02-22', 'open']

2018-02-27    23.53
2018-02-26    22.80
2018-02-23    22.88
Name: open, dtype: float64

# 使用iloc可以通过索引的下标去获取
# 获取前100天数据的'open'列的结果
data.iloc[0:100, 0:2].head()

            open    high    close    low
2018-02-27    23.53    25.88    24.16    23.53
2018-02-26    22.80    23.78    23.53    22.80
2018-02-23    22.88    23.37    22.82    22.71

• 使用ix组合索引
  • 下标和索引名都认识---效率问题
  • 推荐使用loc和iloc来获取的方式

# 通过df.index[0:4] 拿到下标对应的索引名
# 通过df.columns.get_indexer([索引名]) 拿到索引名对应的下标

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

• 赋值
  • 直接访问到谁直接可以复制

# 直接修改原来的值
data['close'] = 1
# 或者
data.close = 1

基本数据操作——排序

• 索引排序—df.sort_index(ascending=)

# 对索引进行排序
data.sort_index()

• 使用df.sort_values(by=, ascending=)
  • 单个键或者多个键进行排序,默认升序
  • ascending=False:降序
  • ascending=True:升序

# 按照多个键进行排序
data = data.sort_values(by=['open', 'high'])

---

series的排序--没有by参数--因为只有一列

• 使用series.sort_values(ascending=True)进行排序

data['p_change'].sort_values(ascending=True).head()

• 使用series.sort_index()进行排序

# 对索引进行排序
data['p_change'].sort_index().head()