Pandas基本数据操作、排序、算术运算、逻辑运算

索引操作：

• 为了更好的理解这些基本操作，我们将读取一个真实的股票数据。关于文件操作，后面介绍，这里只先用一下API

读取文件

• 删除一些列，让数据更简单些，再去做后面的操作：
• data = data.drop([“ma5”, “ma10”, “ma20”, “v_ma5”, “v_ma10”, “v_ma20”], axis=1)
  
  
• 注意：不能直接进行数字索引。
  
  
• Numpy当中我们已经讲过使用索引选取序列和切片选择，pandas也支持类似的操作，也可以直接使用列名、行名称，甚至组合使用。

直接使用行列索引(先列后行)：

• 获取“2018-02-27”这天的’close’的结果。
  
  
• 注意：必须先列后行。
  
  

结合loc或者iloc使用索引：

• 获取从“2018-02-27”到“2018-02-22”的open列的结果。
  

使用loc只能指定行列索引的名字。

• 总结：如果不使用loc关键字的话，需要先列后行，如果使用loc关键字的话，那就可以先行后列了。

获取前100天的数据的“open”列的结果：

使用iloc可以通过索引的下标去获取：

• 也可以使用切片：
  
  

获取行第1天到第4天的[“open”, “close”, “high”, “low”]这4个指标的结果：

总结：

• 基本数据操作
  • 索引操作
    • 直接索引
      • 先列后行
    • 按名字索引
      • loc
    • 按数字索引
      • iloc
    • 组合索引
      • 数字、名字

赋值：

对DataFrame当中的close列进行重新赋值为1：

• 或是：
  

注意：都是修改原数据的

排序

排序有两种形式：

• 一种对内容进行排序；
• 一种对索引进行排序

对DataFrame类型的数据使用df.sort_values()对内容进行排序：

使用df.sort_values(key=,ascending=)对内容进行排序

• 单个键或者多个键进行排序，默认升序
• ascending=False:降序
• ascending=True:升序

按照涨跌幅大小进行降序排序：

按照涨跌幅大小进行升序排序：

默认是升序：

按照多个键进行排序：

• 先按着high排序，high值一样的，再按着p_change列进行排序，也就是第一个排序规则一样的内容，再按着第二个规则进行排序。

对DataFrame类型的数据使用df.sort_index对索引进行排序：

对Series类型的数据使用series.sort_values()对内容进行排序：

• data = pd.read_csv("./data/stock_day.csv")
• data = data.drop([“ma5”, “ma10”, “ma20”, “v_ma5”, “v_ma10”, “v_ma20”], axis=1)
  

提示：由于series排序时，只有一列，不需要排序字段参数。

• 默认是True：
  
  
  

对Series类型的数据使用series.sort_index()对索引进行排序：

• 默认是True：
  
  
  

总结：

• sort_values对内容进行排序
• sort_index对索引进行排序

算术运算：

准备数据：

• data = pd.read_csv("./data/stock_day.csv")
• data = data.drop([“ma5”, “ma10”, “ma20”, “v_ma5”, “v_ma10”, “v_ma20”], axis=1)
  

add(other)：比如进行数学运算加上具体的一个数字。

• 也可以：
  

sub(other)：比如进行数学运算减上具体的一个数字。

如果想要得到每天的涨跌大小？求出每天close-open价格差。

• 收盘价减去开盘价：
  

其它四则运算：

也可以对整个DataFrame进行运算：

逻辑运算：

逻辑运算符号：< > | &

筛选出p_change > 2的日期数据，返回逻辑结果：

• 将逻辑判断的结果作为筛选的依据：
  
• 完成多个逻辑判断：筛选出p_change > 2 并且 low > 15
  
  
• 需要带上括号：
  
• 将逻辑判断的结果作为筛选的依据：
  

逻辑运算函数：

query(查询字符串)：通过query使得刚才的过程更加方便简单。

isin(values)：比如判断‘turnover’是否为4.19, 2.39

• 可以指定值进行一个判断，从而进行筛选操作。
  
  

统计运算：

• describe()：综合分析能够直接得出很多统计结果，count, mean(平均值), std(标准差), min(最小值), max(最大值)等。
  
  min最小值，max最大值，mean平均值，median中位数，var方差，std标准差结果。
  
  
• 对于单个函数去进行统计的时候，坐标轴还是按照这些默认为"columns"(axis=0,default)，如果要对行"index"需要指定(axis=1)

注意：使用统计函数时0代表对列求结果，1代表对行求统计结果。

最大值：

• 或是：
  
  
  

最小值：

方差：

标准差：

平均值：

中位数：

• 中位数是将数据从小到大排列，在最中间的那个数为中位数。如果没有中间数，取中间两个数的平均值。
• df = pd.DataFrame({“col1”: [2, 3, 4, 5, 4, 2], “col2”: [0, 1, 2, 3, 4, 2]})
  
  
  
  

最大值的索引：

• 注意：等于1一般是没有意义的。
  

最小值的索引：

累计统计函数：

• 下面的5.70是上面的2.68+3.02得到的，下面的8.12是5.70+2.42得到的，依此类推。
  
  
  
• 也可以下面这样：
  
  
  

自定义运算：

定义一个函数用于求出对每列进行最大值减去最小值：

• 上面就对每一列进行了一个按最大值减去最小值的一个操作。
  
  
• 或者：
  

总结：