Pandas结构

小灰灰 2023-06-03 02:48 1阅读 0赞

### 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  
        ![1552472-20190908201226895-1245579785.png][]
 *  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]

![1552472-20190908205234296-891093715.png][]

*  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()

转载于:https://www.cnblogs.com/oklizz/p/11488225.html

[1552472-20190908201226895-1245579785.png]: /images/20230601/cb8cf47e8c1d4d4096feb75915e90237.png
[1552472-20190908205234296-891093715.png]: /images/20230601/98ec40fad2e445a484194718a313aa70.png