一元函数:abs, sqrt, exp, log, ceil, floor, rint/round, trunc, modf, isnan, isinf, cos, sin, tan
常用函数: sum 求和 cumsum 求累计和 mean 求平均数 std 求标准差 var 求方差 min 求最小值 max 求最大值 argmin 求最小值索引 argmax 求最大值索引
pandas是一个强大的Python数据分析的工具包。
pandas是基于NumPy构建的。
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
安装方法:pip install pandas 引用方法:import pandas as pd
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。
Series比较像列表(数组)和字典的结合体
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支持NumPy模块的特性(下标):
从ndarray创建Series:
Series(arr) 与标量运算:sr*2
两个Series运算:sr1+sr2
索引:sr[0], sr[[1,2,4]]
切片:sr[0:2]
通用函数:np.abs(sr)
布尔值过滤:sr[sr>0] Series
支持字典的特性(标签):
从字典创建Series:Series(dic), in
运算:’a’ in sr
键索引:sr[‘a‘], sr[[‘a‘, ‘b‘, ‘d‘]]
整数索引的pandas对象往往会使新手抓狂。
例: sr = np.Series(np.arange(4.))
sr[-1]
如果索引是整数类型,则根据整数进行数据操作时总是面向标签的。
loc 以标签解释
iloc 以下标解释
数据对齐
pandas在运算时,会按索引进行对齐然后计算。如果存在不同的索引,则结果的索引是两个操作数索引的并集。
例:
sr1 = pd.Series([12,23,34], index=[‘c‘,‘a‘,‘d‘])
sr2 = pd.Series([11,20,10], index=[‘d‘,‘c‘,‘a‘,])
sr1+sr2
sr3 = pd.Series([11,20,10,14], index=[‘d‘,‘c‘,‘a‘,‘b‘])
sr1+sr3
如何在两个Series对象相加时将缺失值设为0?
sr1.add(sr2, fill_value=0)
灵活的算术方法:add, sub, div, mul
数据缺失:
缺失数据:使用NaN(Not a Number)来表示缺失数据。其值等于np.nan。内置的None值也会被当做NaN处理。
处理缺失数据的相关方法:
dropna() 过滤掉值为NaN的行
fillna() 填充缺失数据
isnull() 返回布尔数组,缺失值对应为True
notnull() 返回布尔数组,缺失值对应为False
过滤缺失数据:sr.dropna() 或 sr[sr.notnull()]
填充缺失数据:sr.fillna(0)
groupby(‘‘).sum()
merge(left,right,on=‘key‘)
DataFrame是一个表格型的数据结构,含有一组有序的列。
DataFrame可以被看做是由Series组成的字典,并且共用一个索引。
创建方式:
pd.DataFrame({‘one‘:[1,2,3,4],‘two‘:[4,3,2,1]})
pd.DataFrame({‘one‘:pd.Series([1,2,3],index=[‘a‘,‘b‘,‘c‘]), ‘two‘:pd.Series([1,2,3,4],index=[‘b‘,‘a‘,‘c‘,‘d‘])})
……
csv文件读取与写入:
df.read_csv(‘filename.csv‘)
df.to_csv()
读取文件:从文件名、URL、文件对象中加载数据
read_csv 默认分隔符为逗号
read_table 默认分隔符为\t
读取文件函数主要参数:
sep 指定分隔符,可用正则表达式如‘\s+‘
header=None 指定文件无列名
names 指定列名
index_col 指定某列作为索引
na_values 指定某些字符串表示缺失值
parse_dates 指定某些列是否被解析为日期,布尔值或列表
写入到文件:
写入文件函数的主要参数:
sep
na_rep 指定缺失值转换的字符串,默认为空字符串
header=False 不输出列名一行
index=False 不输出行索引一列
cols 指定输出的列,
传入列表
其他文件类型:json, XML, HTML, 数据库
查看数据常用属性及方法:
index 获取行索引
T 转置
columns 获取列索引
values 获取值数组
describe() 获取快速统计
DataFrame各列name属性:列名
rename(columns={…})
DataFrame有行索引和列索引。
不指定按什么查询时默认标签为按列查,下标为按行查
df[‘A‘]
df[[‘A‘, ‘B‘]]
df[‘A‘][0]
df[0:10][[‘A‘, ‘C‘]]
按标签查询(左边为行,右边为列)
df.loc[:,[‘A‘,‘B‘]]
df.loc[:,‘A‘:‘C‘]
df.loc[0,‘A‘]
df.loc[0:10,[‘A‘,‘C‘]]
通过下标获取:
(左边为行,右边为列)
df.iloc[3]
df.iloc[3,3]
df.iloc[0:3,4:6]
df.iloc[1:5,:]
df.iloc[[1,2,4],[0,3]]
通过布尔值过滤:
df[df[‘A‘]>0]
df[df<0]
df[df[‘A‘].isin([1,3,5])]
数据对齐与数据缺失
DataFrame对象在运算时,同样会进行数据对其,结果的行索引与列索引分别为两个操作数的行索引与列索引的并集。
DataFrame处理缺失数据的方法:
dropna(axis=0,where=‘any‘,…)
fillna()
isnull()
notnull()
pandas常用方法(适用Series和DataFrame):
mean(axis=0,skipna=False)
sum(axis=1)
sort_index(axis, …, ascending) 按行或列索引排序
sort_values(by, axis, ascending) 按值排序
NumPy的通用函数同样适用于pandas
apply(func, axis=0) 将自定义函数应用在各行或者各列上 ,func可返回标量或者Series
applymap(func) 将函数应用在DataFrame各个元素上
map(func) 将函数应用在Series各个元素上
时间序列类型:
时间戳:特定时刻
固定时期:如2017年7月
时间间隔:起始时间-结束时间
Python标准库:
date time datetime timedelta
strftime()
strptime()
第三方包:dateutil
dateutil.parser.parse()
成组处理日期:
pd.to_datetime([‘2001-01-01‘, ‘2002-02-02‘])
产生时间对象数组:
date_range(‘2017-01-01‘,‘2017-01-31‘,freq=‘w‘)
tart 开始时间
end 结束时间
periods 时间长度
freq 时间频率,默认为‘D‘,可选H(our),W(eek),B(usiness),S(emi-)M(onth),(min)T(es), S(econd), A(year),…
时间序列就是以时间对象为索引的Series或DataFrame。
datetime对象作为索引时是存储在DatetimeIndex对象中的。
时间序列特殊功能:
传入“年”或“年月”作为切片方式
df[‘2017‘]
df[‘2017-02‘]
传入日期范围作为切片方式
df[‘2017-03-03‘:‘2017-03-04‘]