AI 助理
备案控制台
开发者社区 大数据 文章 正文

[雪峰磁针石博客]数据分析工具pandas快速入门教程2-pandas数据结构

2018-08-23 1874
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 创建数据 Series和python的列表类似。DataFrame则类似值为Series的字典。 create.py #!/usr/bin/env python3 # -*- coding: utf-8 -*- # create.

创建数据

Series和python的列表类似。DataFrame则类似值为Series的字典。

create.py


#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# create.py

import pandas as pd

print("\n\n创建序列Series")
s = pd.Series(['banana', 42])
print(s)

print("\n\n指定索引index创建序列Series")
s = pd.Series(['Wes McKinney', 'Creator of Pandas'], index=['Person', 'Who'])
print(s)

# 注意：列名未必为执行的顺序，通常为按字母排序
print("\n\n创建数据帧DataFrame")
scientists = pd.DataFrame({
    ' Name': ['Rosaline Franklin', 'William Gosset'],
    ' Occupation': ['Chemist', 'Statistician'],
    ' Born': ['1920-07-25', '1876-06-13'],
    ' Died': ['1958-04-16', '1937-10-16'],
    ' Age': [37, 61]})
print(scientists)

print("\n\n指定顺序(index和columns)创建数据帧DataFrame")
scientists = pd.DataFrame(
    data={'Occupation': ['Chemist', 'Statistician'],
    'Born': ['1920-07-25', '1876-06-13'],
    'Died': ['1958-04-16', '1937-10-16'],
    'Age': [37, 61]},
    index=['Rosaline Franklin', 'William Gosset'],
    columns=['Occupation', 'Born', 'Died', 'Age'])
print(scientists)

执行结果：


$ ./create.py 


创建序列Series
0    banana
1        42
dtype: object


指定索引index创建序列Series
Person         Wes McKinney
Who       Creator of Pandas
dtype: object


创建数据帧DataFrame
                Name    Occupation        Born        Died   Age
0  Rosaline Franklin       Chemist  1920-07-25  1958-04-16    37
1     William Gosset  Statistician  1876-06-13  1937-10-16    61


指定顺序(index和columns)创建数据帧DataFrame
                     Occupation        Born        Died  Age
Rosaline Franklin       Chemist  1920-07-25  1958-04-16   37
William Gosset     Statistician  1876-06-13  1937-10-16   61

Series

官方文档：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.html

Series的属性

属性 描述
loc 使用索引值获取子集
iloc 使用索引位置获取子集
dtype或dtypes 类型
T 转置
shape 数据的尺寸
size 元素的数量
values ndarray或类似ndarray的Series

Series的方法

方法 描述
append 连接2个或更多系列
corr 计算与其他Series的关联
cov 与其他Series计算协方差
describe 计算汇总统计
drop duplicates 返回一个没有重复项的Series
equals Series是否具有相同的元素
get values 获取Series的值，与values属性相同
hist 绘制直方图
min 返回最小值
max 返回最大值
mean 返回算术平均值
median 返回中位数
mode(s) 返回mode(s)
replace 用指定值替换系列中的值
sample 返回Series中值的随机样本
sort values 排序
to frame 转换为数据帧
transpose 返回转置
unique 返回numpy.ndarray唯一值

series.py


#!/usr/bin/python3
# -*- coding: utf-8 -*-
# CreateDate: 2018-3-14
# series.py

import pandas as pd
import numpy as np

scientists = pd.DataFrame(
    data={'Occupation': ['Chemist', 'Statistician'],
    'Born': ['1920-07-25', '1876-06-13'],
    'Died': ['1958-04-16', '1937-10-16'],
    'Age': [37, 61]},
    index=['Rosaline Franklin', 'William Gosset'],
    columns=['Occupation', 'Born', 'Died', 'Age'])
print(scientists)

# 从数据帧(DataFrame)获取的行或者列为Series
first_row = scientists.loc['William Gosset']
print(type(first_row))
print(first_row)

# index和keys是一样的
print(first_row.index)
print(first_row.keys())
print(first_row.values)

print(first_row.index[0])
print(first_row.keys()[0])

# Pandas.Series和numpy.ndarray很类似
ages = scientists['Age']
print(ages)

# 统计，更多参考http://pandas.pydata.org/pandas-docs/stable/basics.html#descriptive-statistics
print(ages.mean())
print(ages.min())
print(ages.max())
print(ages.std())

scientists = pd.read_csv('../data/scientists.csv')
ages = scientists['Age']
print(ages)
print(ages.mean())
print(ages.describe())
print(ages[ages > ages.mean()])
print(ages > ages.mean())
manual_bool_values = [True, True, False, False, True, True, False, False]
print(ages[manual_bool_values])

print(ages + ages)
print(ages * ages)
print(ages + 100)
print(ages * 2)
print(ages + pd.Series([1, 100]))
# print(ages + np.array([1, 100])) 会报错，不同类型相加，大小一定要一样
print(ages + np.array([1, 100, 1, 100, 1, 100, 1, 100]))

# 排序： 默认有自动排序
print(ages)
rev_ages = ages.sort_index(ascending=False)
print(rev_ages)
print(ages * 2)
print(ages + rev_ages)

执行结果


$ python3 series.py 
                     Occupation        Born        Died  Age
Rosaline Franklin       Chemist  1920-07-25  1958-04-16   37
William Gosset     Statistician  1876-06-13  1937-10-16   61
<class 'pandas.core.series.Series'>
Occupation    Statistician
Born            1876-06-13
Died            1937-10-16
Age                     61
Name: William Gosset, dtype: object
Index(['Occupation', 'Born', 'Died', 'Age'], dtype='object')
Index(['Occupation', 'Born', 'Died', 'Age'], dtype='object')
['Statistician' '1876-06-13' '1937-10-16' 61]
Occupation
Occupation
Rosaline Franklin    37
William Gosset       61
Name: Age, dtype: int64
49.0
37
61
16.97056274847714
0    37
1    61
2    90
3    66
4    56
5    45
6    41
7    77
Name: Age, dtype: int64
59.125
count     8.000000
mean     59.125000
std      18.325918
min      37.000000
25%      44.000000
50%      58.500000
75%      68.750000
max      90.000000
Name: Age, dtype: float64
1    61
2    90
3    66
7    77
Name: Age, dtype: int64
0    False
1     True
2     True
3     True
4    False
5    False
6    False
7     True
Name: Age, dtype: bool
0    37
1    61
4    56
5    45
Name: Age, dtype: int64
0     74
1    122
2    180
3    132
4    112
5     90
6     82
7    154
Name: Age, dtype: int64
0    1369
1    3721
2    8100
3    4356
4    3136
5    2025
6    1681
7    5929
Name: Age, dtype: int64
0    137
1    161
2    190
3    166
4    156
5    145
6    141
7    177
Name: Age, dtype: int64
0     74
1    122
2    180
3    132
4    112
5     90
6     82
7    154
Name: Age, dtype: int64
0     38.0
1    161.0
2      NaN
3      NaN
4      NaN
5      NaN
6      NaN
7      NaN
dtype: float64
0     38
1    161
2     91
3    166
4     57
5    145
6     42
7    177
Name: Age, dtype: int64
0    37
1    61
2    90
3    66
4    56
5    45
6    41
7    77
Name: Age, dtype: int64
7    77
6    41
5    45
4    56
3    66
2    90
1    61
0    37
Name: Age, dtype: int64
0     74
1    122
2    180
3    132
4    112
5     90
6     82
7    154
Name: Age, dtype: int64
0     74
1    122
2    180
3    132
4    112
5     90
6     82
7    154
Name: Age, dtype: int64

数据帧(DataFrame)

DataFrame是最常见的Pandas对象,可认为是Python存储类似电子表格的数据的方式。Series多常见功能都包含在DataFrame中。

子集的方法

注意ix现在已经不推荐使用。

DataFrame常用的索引操作有：

方式 描述
df[val] 选择单个列
df [[ column1, column2, ... ]] 选择多个列
df.loc[val] 选择行
  1. loc [[ label1 , label2 ,...]] | 选择多行 |
    df.loc[:, val] | 基于行index选择列 |

df.loc[val1, val2] | 选择行列 |
df.iloc[row number] | 基于行数选择行 |

  1. iloc [[ row1, row2, ...]] Multiple rows by row number | 基于行数选择多行 |
    df.iloc[:, where] | 选择列 |

df.iloc[where_i, where_j] | 选择行列 |
df.at[label_i, label_j] | 选择值 |
df.iat[i, j] | 选择值 |
reindex method | 通过label选择多行或列 |
get_value, set_value | 通过label选择耽搁行或列
df[bool] | 选择行
df [[ bool1, bool2, ...]] | 选择行
df[ start :stop: step ] | 基于行数选择行

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# CreateDate: 2018-3-31
# df.py

import pandas as pd
import numpy as np

scientists = pd.read_csv('../data/scientists.csv')
print(scientists[scientists['Age'] > scientists['Age'].mean()])
first_half = scientists[: 4]
second_half = scientists[ 4 :]
print(first_half)
print(second_half)
print(first_half + second_half)
print(scientists * 2)

执行结果


#!/usr/bin/python3
# -*- coding: utf-8 -*-
# df.py

import pandas as pd
import numpy as np

scientists = pd.read_csv('../data/scientists.csv')
print(scientists[scientists['Age'] > scientists['Age'].mean()])
first_half = scientists[: 4]
second_half = scientists[ 4 :]
print(first_half)
print(second_half)
print(first_half + second_half)
print(scientists * 2)

执行结果


$ python3 df.py 
                   Name        Born        Died  Age     Occupation
1        William Gosset  1876-06-13  1937-10-16   61   Statistician
2  Florence Nightingale  1820-05-12  1910-08-13   90          Nurse
3           Marie Curie  1867-11-07  1934-07-04   66        Chemist
7          Johann Gauss  1777-04-30  1855-02-23   77  Mathematician
                   Name        Born        Died  Age    Occupation
0     Rosaline Franklin  1920-07-25  1958-04-16   37       Chemist
1        William Gosset  1876-06-13  1937-10-16   61  Statistician
2  Florence Nightingale  1820-05-12  1910-08-13   90         Nurse
3           Marie Curie  1867-11-07  1934-07-04   66       Chemist
            Name        Born        Died  Age          Occupation
4  Rachel Carson  1907-05-27  1964-04-14   56           Biologist
5      John Snow  1813-03-15  1858-06-16   45           Physician
6    Alan Turing  1912-06-23  1954-06-07   41  Computer Scientist
7   Johann Gauss  1777-04-30  1855-02-23   77       Mathematician
  Name Born Died  Age Occupation
0  NaN  NaN  NaN  NaN        NaN
1  NaN  NaN  NaN  NaN        NaN
2  NaN  NaN  NaN  NaN        NaN
3  NaN  NaN  NaN  NaN        NaN
4  NaN  NaN  NaN  NaN        NaN
5  NaN  NaN  NaN  NaN        NaN
6  NaN  NaN  NaN  NaN        NaN
7  NaN  NaN  NaN  NaN        NaN
                                       Name                  Born  \
0        Rosaline FranklinRosaline Franklin  1920-07-251920-07-25   
1              William GossetWilliam Gosset  1876-06-131876-06-13   
2  Florence NightingaleFlorence Nightingale  1820-05-121820-05-12   
3                    Marie CurieMarie Curie  1867-11-071867-11-07   
4                Rachel CarsonRachel Carson  1907-05-271907-05-27   
5                        John SnowJohn Snow  1813-03-151813-03-15   
6                    Alan TuringAlan Turing  1912-06-231912-06-23   
7                  Johann GaussJohann Gauss  1777-04-301777-04-30   

                   Died  Age                            Occupation  
0  1958-04-161958-04-16   74                        ChemistChemist  
1  1937-10-161937-10-16  122              StatisticianStatistician  
2  1910-08-131910-08-13  180                            NurseNurse  
3  1934-07-041934-07-04  132                        ChemistChemist  
4  1964-04-141964-04-14  112                    BiologistBiologist  
5  1858-06-161858-06-16   90                    PhysicianPhysician  
6  1954-06-071954-06-07   82  Computer ScientistComputer Scientist  
7  1855-02-231855-02-23  154            MathematicianMathematician

修改列

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# Author:    xurongzhong#126.com wechat:pythontesting qq:37391319
# qq群：144081101 591302926  567351477
# CreateDate: 2018-06-07
# change.py

import pandas as pd
import numpy as np
import random

scientists = pd.read_csv('../data/scientists.csv')
print(scientists['Born'].dtype)
print(scientists['Died'].dtype)
print(scientists.head())

# 转为日期 参考：https://docs.python.org/3.5/library/datetime.html
born_datetime = pd.to_datetime(scientists['Born'], format='%Y-%m-%d')
died_datetime = pd.to_datetime(scientists['Died'], format='%Y-%m-%d')
# 增加列
scientists['born_dt'], scientists['died_dt'] = (born_datetime, died_datetime)
print(scientists.shape)
print(scientists.head())

random.seed(42)
random.shuffle(scientists['Age']) # 此修改会作用于scientists
print(scientists.head())

scientists['age_days_dt'] = (scientists['died_dt'] - scientists['born_dt'])
print(scientists.head())

执行结果：

$ python3 change.py 
object
object
                   Name        Born        Died  Age    Occupation
0     Rosaline Franklin  1920-07-25  1958-04-16   37       Chemist
1        William Gosset  1876-06-13  1937-10-16   61  Statistician
2  Florence Nightingale  1820-05-12  1910-08-13   90         Nurse
3           Marie Curie  1867-11-07  1934-07-04   66       Chemist
4         Rachel Carson  1907-05-27  1964-04-14   56     Biologist
(8, 7)
                   Name        Born        Died  Age    Occupation    born_dt  \
0     Rosaline Franklin  1920-07-25  1958-04-16   37       Chemist 1920-07-25   
1        William Gosset  1876-06-13  1937-10-16   61  Statistician 1876-06-13   
2  Florence Nightingale  1820-05-12  1910-08-13   90         Nurse 1820-05-12   
3           Marie Curie  1867-11-07  1934-07-04   66       Chemist 1867-11-07   
4         Rachel Carson  1907-05-27  1964-04-14   56     Biologist 1907-05-27   

     died_dt  
0 1958-04-16  
1 1937-10-16  
2 1910-08-13  
3 1934-07-04  
4 1964-04-14  
/usr/lib/python3.5/random.py:272: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  x[i], x[j] = x[j], x[i]
                   Name        Born        Died  Age    Occupation    born_dt  \
0     Rosaline Franklin  1920-07-25  1958-04-16   66       Chemist 1920-07-25   
1        William Gosset  1876-06-13  1937-10-16   56  Statistician 1876-06-13   
2  Florence Nightingale  1820-05-12  1910-08-13   41         Nurse 1820-05-12   
3           Marie Curie  1867-11-07  1934-07-04   77       Chemist 1867-11-07   
4         Rachel Carson  1907-05-27  1964-04-14   90     Biologist 1907-05-27   

     died_dt  
0 1958-04-16  
1 1937-10-16  
2 1910-08-13  
3 1934-07-04  
4 1964-04-14  
                   Name        Born        Died  Age    Occupation    born_dt  \
0     Rosaline Franklin  1920-07-25  1958-04-16   66       Chemist 1920-07-25   
1        William Gosset  1876-06-13  1937-10-16   56  Statistician 1876-06-13   
2  Florence Nightingale  1820-05-12  1910-08-13   41         Nurse 1820-05-12   
3           Marie Curie  1867-11-07  1934-07-04   77       Chemist 1867-11-07   
4         Rachel Carson  1907-05-27  1964-04-14   90     Biologist 1907-05-27   

     died_dt age_days_dt  
0 1958-04-16  13779 days  
1 1937-10-16  22404 days  
2 1910-08-13  32964 days  
3 1934-07-04  24345 days  
4 1964-04-14  20777 days

数据导入导出

out.py

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# Author:    china-testing#126.com wechat:pythontesting qq群:630011153
# CreateDate: 2018-3-31
# out.py

import pandas as pd
import numpy as np
import random
scientists = pd.read_csv('../data/scientists.csv')

names = scientists['Name']
print(names)
names.to_pickle('../output/scientists_names_series.pickle')
scientists.to_pickle('../output/scientists_df.pickle')

# .p, .pkl,  .pickle 是常用的pickle文件扩展名
scientist_names_from_pickle = pd.read_pickle('../output/scientists_df.pickle')
print(scientist_names_from_pickle)

names.to_csv('../output/scientist_names_series.csv')
scientists.to_csv('../output/scientists_df.tsv', sep='\t')
# 不输出行号
scientists.to_csv('../output/scientists_df_no_index.csv', index=None)

# Series可以转为df再输出成excel文件
names_df = names.to_frame()
names_df.to_excel('../output/scientists_names_series_df.xls')
names_df.to_excel('../output/scientists_names_series_df.xlsx')

scientists.to_excel('../output/scientists_df.xlsx', sheet_name='scientists',
                    index=False)

执行结果：

$ python3 out.py 
0       Rosaline Franklin
1          William Gosset
2    Florence Nightingale
3             Marie Curie
4           Rachel Carson
5               John Snow
6             Alan Turing
7            Johann Gauss
Name: Name, dtype: object
                   Name        Born        Died  Age          Occupation
0     Rosaline Franklin  1920-07-25  1958-04-16   37             Chemist
1        William Gosset  1876-06-13  1937-10-16   61        Statistician
2  Florence Nightingale  1820-05-12  1910-08-13   90               Nurse
3           Marie Curie  1867-11-07  1934-07-04   66             Chemist
4         Rachel Carson  1907-05-27  1964-04-14   56           Biologist
5             John Snow  1813-03-15  1858-06-16   45           Physician
6           Alan Turing  1912-06-23  1954-06-07   41  Computer Scientist
7          Johann Gauss  1777-04-30  1855-02-23   77       Mathematician

注意：序列一般是直接输出成excel文件

更多的输入输出方法：

方式 描述
to_clipboard 将数据保存到系统剪贴板进行粘贴
to_dense 将数据转换为常规“密集”DataFrame
to_dict 将数据转换为Python字典
to_gbq 将数据转换为Google BigQuery表格
toJidf 将数据保存为分层数据格式（HDF）
to_msgpack 将数据保存到可移植的类似JSON的二进制文件中
toJitml 将数据转换为HTML表格
tojson 将数据转换为JSON字符串
toJatex 将数据转换为LTEXtabular环境
to_records 将数据转换为记录数组
to_string 将DataFrame显示为stdout的字符串
to_sparse 将数据转换为SparceDataFrame
to_sql 将数据保存到SQL数据库中
to_stata 将数据转换为Stata dta文件
  • 读CSV文件

read_csv.py


#!/usr/bin/python3
# -*- coding: utf-8 -*-
# Author:    china-testing#126.com wechat:pythontesting QQ群:630011153
# CreateDate: 2018-3-9
# read_csv.py

import pandas as pd

df = pd.read_csv("1.csv", header=None) # 不读取列名
print("df:")
print(df)

print("df.head():")
print(df.head()) # head(self, n=5)，默认为5行，类似的有tail
print("df.tail():")
print(df.tail())

df = pd.read_csv("1.csv") # 默认读取列名
print("df:")
print(df)

df = pd.read_csv("1.csv", names=['号码','群号']) # 自定义列名
print("df:")
print(df)

# 自定义列名，去掉第一行
df = pd.read_csv("1.csv", skiprows=[0], names=['号码','群号'])
print("df:")
print(df)

执行结果：


df:
           0          1
0         qq    qqgroup
1   37391319  144081101
2   37391320  144081102
3   37391321  144081103
4   37391322  144081104
5   37391323  144081105
6   37391324  144081106
7   37391325  144081107
8   37391326  144081108
9   37391327  144081109
10  37391328  144081110
11  37391329  144081111
12  37391330  144081112
13  37391331  144081113
14  37391332  144081114
15  37391333  144081115
df.head():
          0          1
0        qq    qqgroup
1  37391319  144081101
2  37391320  144081102
3  37391321  144081103
4  37391322  144081104
df.tail():
           0          1
11  37391329  144081111
12  37391330  144081112
13  37391331  144081113
14  37391332  144081114
15  37391333  144081115
df:
          qq    qqgroup
0   37391319  144081101
1   37391320  144081102
2   37391321  144081103
3   37391322  144081104
4   37391323  144081105
5   37391324  144081106
6   37391325  144081107
7   37391326  144081108
8   37391327  144081109
9   37391328  144081110
10  37391329  144081111
11  37391330  144081112
12  37391331  144081113
13  37391332  144081114
14  37391333  144081115
df:
          号码         群号
0         qq    qqgroup
1   37391319  144081101
2   37391320  144081102
3   37391321  144081103
4   37391322  144081104
5   37391323  144081105
6   37391324  144081106
7   37391325  144081107
8   37391326  144081108
9   37391327  144081109
10  37391328  144081110
11  37391329  144081111
12  37391330  144081112
13  37391331  144081113
14  37391332  144081114
15  37391333  144081115
df:
          号码         群号
0   37391319  144081101
1   37391320  144081102
2   37391321  144081103
3   37391322  144081104
4   37391323  144081105
5   37391324  144081106
6   37391325  144081107
7   37391326  144081108
8   37391327  144081109
9   37391328  144081110
10  37391329  144081111
11  37391330  144081112
12  37391331  144081113
13  37391332  144081114
14  37391333  144081115
  • 写CSV文件
#!/usr/bin/python3
# -*- coding: utf-8 -*-
# write_csv.py

import pandas as pd

data ={'qq': [37391319,37391320], 'group':[1,2]}

df = pd.DataFrame(data=data, columns=['qq','group'])
df.to_csv('2.csv',index=False)

读写excel和csv类似，不过要改用read_excel来读，excel_summary_demo, 提供了多个excel求和的功能，可以做为excel读写的实例，这里不再赘述。

参考资料

文章标签：
Python
索引
数据挖掘
机器学习/深度学习
数据格式
关键词：
数据分析工具
Pandas数据分析
Pandas数据结构
数据分析教程
数据分析pandas
python人工智能命理
目录
相关文章
长梦
|
2月前
|
存储 数据采集 数据可视化
Pandas数据应用：医疗数据分析
Pandas是Python中强大的数据操作和分析库，广泛应用于医疗数据分析。本文介绍了使用Pandas进行医疗数据分析的常见问题及解决方案，涵盖数据导入、预处理、清洗、转换、可视化等方面。通过解决文件路径错误、编码不匹配、缺失值处理、异常值识别、分类变量编码等问题，结合Matplotlib等工具实现数据可视化，并提供了解决常见报错的方法。掌握这些技巧可以提高医疗数据分析的效率和准确性。
长梦
99 22
长梦
|
3月前
|
存储 数据采集 数据可视化
Pandas数据应用：电子商务数据分析
本文介绍如何使用 Pandas 进行电子商务数据分析，涵盖数据加载、清洗、预处理、分析与可视化。通过 `read_csv` 等函数加载数据，利用 `info()` 和 `describe()` 探索数据结构和统计信息。针对常见问题如缺失值、重复记录、异常值等，提供解决方案，如 `dropna()`、`drop_duplicates()` 和正则表达式处理。结合 Matplotlib 等库实现数据可视化，探讨内存不足和性能瓶颈的应对方法，并总结常见报错及解决策略，帮助提升电商企业的数据分析能力。
长梦
171 73
长梦
|
3月前
|
数据采集 数据可视化 数据挖掘
Pandas数据应用：天气数据分析
本文介绍如何使用 Pandas 进行天气数据分析。Pandas 是一个强大的 Python 数据处理库，适合处理表格型数据。文章涵盖加载天气数据、处理缺失值、转换数据类型、时间序列分析（如滚动平均和重采样）等内容，并解决常见报错如 SettingWithCopyWarning、KeyError 和 TypeError。通过这些方法，帮助用户更好地进行气候趋势预测和决策。
长梦
156 71
长梦
|
3月前
|
数据采集 数据可视化 索引
Pandas数据应用：股票数据分析
本文介绍了如何使用Pandas库进行股票数据分析。首先，通过pip安装并导入Pandas库。接着，从本地CSV文件读取股票数据，并解决常见的解析错误。然后，利用head()、info()等函数查看数据基本信息，进行数据清洗，处理缺失值和重复数据。再者，结合Matplotlib和Seaborn进行数据可视化，绘制收盘价折线图。最后，进行时间序列分析，设置日期索引、重采样和计算移动平均线。通过这些步骤，帮助读者掌握Pandas在股票数据分析中的应用。
长梦
114 5
长梦
|
3月前
|
存储 数据挖掘 索引
Pandas数据结构：Series与DataFrame
本文介绍了 Python 的 Pandas 库中两种主要数据结构 `Series` 和 ``DataFrame`，从基础概念入手，详细讲解了它们的创建、常见问题及解决方案，包括数据缺失处理、数据类型转换、重复数据删除、数据筛选、排序、聚合和合并等操作。同时，还提供了常见报错及解决方法，帮助读者更好地理解和使用 Pandas 进行数据分析。
长梦
208 10
bruce_xiaowei
|
3月前
|
存储 数据挖掘 数据处理
掌握Pandas核心数据结构：Series与DataFrame的四种创建方式
本文介绍了 Pandas 库中核心数据结构 Series 和 DataFrame 的四种创建方法，包括从列表、字典、标量和 NumPy 数组创建 Series，以及从字典、列表的列表、NumPy 数组和 Series 字典创建 DataFrame，通过示例详细说明了每种创建方式的具体应用。
bruce_xiaowei
231 67
一缕微风绕指柔
|
4月前
|
数据采集 数据可视化 数据挖掘
Python数据分析：Pandas库实战指南
Python数据分析：Pandas库实战指南
一缕微风绕指柔
103 0
我们是幸福一家人
|
4月前
|
并行计算 数据挖掘 大数据
Python数据分析实战：利用Pandas处理大数据集
Python数据分析实战：利用Pandas处理大数据集
我们是幸福一家人
264 0
代码bug生产队
|
4月前
|
数据采集 数据可视化 数据挖掘
利用Python进行数据分析：Pandas库实战指南
利用Python进行数据分析：Pandas库实战指南
代码bug生产队
175 0
土木林森
|
4月前
|
数据采集 存储 数据挖掘
Python数据分析：Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域，Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧，帮助数据分析师快速处理复杂数据集，提高工作效率。
土木林森
131 0

热门文章

最新文章

  • 1
    基于 DIFY 的自动化数据分析实战
  • 2
    Probly：开源 AI Excel表格工具，交互式生成数据分析结果与可视化图表
  • 3
    通义灵码2.0实现数据分析小项目
  • 4
    数据团队必读:智能数据分析文档(DataV Note)五种高效工作模式
  • 5
    互联网运营为何必须做好用户行为数据分析
  • 6
    基于机器学习的数据分析：PLC采集的生产数据预测设备故障模型
  • 7
    京东、淘宝、义乌购等电商平台的Api数据分析
  • 8
    这份Excel+Python飞速搞定数据分析手册，简直可以让Excel飞起来
  • 9
    Cellebrite Inseyets PA 10.4 - 取证数据分析软件
  • 10
    工业零件不良率、残次率的智能数据分析和数字化管理
  • 1
    【数据结构进阶】AVL树深度剖析 + 实现（附源码）
    41
  • 2
    算法系列之数据结构-Huffman树
    33
  • 3
    【数据结构】二叉搜索树（二叉排序树）
    36
  • 4
    算法系列之数据结构-二叉搜索树
    54
  • 5
    算法系列之数据结构-二叉树
    43
  • 6
    STL——栈和队列和优先队列
    26
  • 7
    Redis原理—1.Redis数据结构
    57
  • 8
    c语言及数据结构实现简单贪吃蛇小游戏
    62
  • 9
    ☀☀☀☀☀☀☀有关栈和队列应用的oj题讲解☼☼☼☼☼☼☼
    32
  • 10
    C 408—《数据结构》算法题基础篇—链表（下）
    95

    • 相关课程

    更多
  • 实时数据分析：使用Flink实时发现最热Github项目
  • 日志服务 SLS 可观测数据分析平台介绍
  • Quick BI在业务数据分析中的实战应用
  • Python 数据分析库 Pandas 快速入门
  • 深入理解数据分析
  • 场景实践-通过阿里云数据分析工具实现共享单车骑行分析

    • 相关电子书

    更多
  • 基于数据分析与优化算法的智能物流
  • 中文：即学即用的Pandas入门与时间序列分析
  • 即学即用的Pandas入门与时间序列分析

    • 相关实验场景

    更多
  • 自然语言入门：NLP数据读取与数据分析
  • 库仓一体实时数据分析
  • 助力游戏运营数据分析
  • PolarDB MySQL HTAP：实时数据分析加速
  • Github实时数据分析与可视化
  • AnalyticDB MySQL游戏行业数据分析实践
    • 下一篇
    获取百炼API-KEY