学习目标

  • 目标
    • 记忆DataFrame的形状、行列索引名称获取等基本属性
    • 应用Series和DataFrame的索引进行切片获取
    • 应用sort_index和sort_values实现索引和值的排序

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，后面在介绍，这里只先用一下API

  1. # 读取文件
  2. data = pd.read_csv("./data/stock_day.csv")
  4. # 删除一些列，让数据更简单些，再去做后面的操作
  5. data = data.drop(["ma5","ma10","ma20","v_ma5","v_ma10","v_ma20"], axis=1)

stockday.png

1 索引操作

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。

1.1 直接使用行列索引(先列后行)

获取’2018-02-27’这天的’close’的结果

  1. # 直接使用行列索引名字的方式（先列后行）
  2. data['open']['2018-02-27']
  3. 23.53
  5. # 不支持的操作
  6. # 错误
  7. data['2018-02-27']['open']
  8. # 错误
  9. data[:1, :2]

1.2 结合loc或者iloc使用索引

获取从’2018-02-27’:’2018-02-22’，’open’的结果

  1. # 使用loc:只能指定行列索引的名字
  2. data.loc['2018-02-27':'2018-02-22', 'open']
  4. 2018-02-27    23.53
  5. 2018-02-26    22.80
  6. 2018-02-23    22.88
  7. Name: open, dtype: float64
  9. # 使用iloc可以通过索引的下标去获取
  10. # 获取前3天数据,前5列的结果
  11. data.iloc[:3, :5]
  13.             open    high    close    low
  14. 2018-02-27    23.53    25.88    24.16    23.53
  15. 2018-02-26    22.80    23.78    23.53    22.80
  16. 2018-02-23    22.88    23.37    22.82    22.71

1.3 使用ix组合索引

Warning:Starting in 0.20.0, the .ix indexer is deprecated, in favor of the more strict .iloc and .loc indexers.

获取行第1天到第4天，[‘open’, ‘close’, ‘high’, ‘low’]这个四个指标的结果

  1. # 使用ix进行下表和名称组合做引
  2. data.ix[0:4, ['open', 'close', 'high', 'low']]
  4. # 推荐使用loc和iloc来获取的方式
  5. data.loc[data.index[0:4], ['open', 'close', 'high', 'low']]
  6. data.iloc[0:4, data.columns.get_indexer(['open', 'close', 'high', 'low'])]
  8.             open    close    high    low
  9. 2018-02-27    23.53    24.16    25.88    23.53
  10. 2018-02-26    22.80    23.53    23.78    22.80
  11. 2018-02-23    22.88    22.82    23.37    22.71
  12. 2018-02-22    22.25    22.28    22.76    22.02

2 赋值操作

对DataFrame当中的close列进行重新赋值为1

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

3 排序

排序有两种形式，一种对于索引进行排序，一种对于内容进行排序

3.1 DataFrame排序

  • 使用df.sort_values(by=, ascending=)

    • 单个键或者多个键进行排序,
    • 参数：
      • by：指定排序参考的键
      • ascending:默认升序
        • ascending=False:降序
          1. # 按照开盘价大小进行排序 , 使用ascending指定按照大小排序
          2. data.sort_values(by="open", ascending=True).head()
          排序举例1.png
          1. # 按照多个键进行排序
          2. data.sort_values(by=['open', 'high'])
          排序举例2.png

  • 使用df.sort_index给索引进行排序

这个股票的日期索引原来是从大到小，现在重新排序，从小到大

  1. # 对索引进行排序
  2. data.sort_index()

排序举例3.png

3.2 Series排序

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

series排序时，只有一列，不需要参数

  1. data['p_change'].sort_values(ascending=True).head()
  3. 2015-09-01   -10.03
  4. 2015-09-14   -10.02
  5. 2016-01-11   -10.02
  6. 2015-07-15   -10.02
  7. 2015-08-26   -10.01
  8. Name: p_change, dtype: float64
  • 使用series.sort_index()进行排序

与df一致

  1. # 对索引进行排序
  2. data['p_change'].sort_index().head()
  4. 2015-03-02    2.62
  5. 2015-03-03    1.44
  6. 2015-03-04    1.57
  7. 2015-03-05    2.02
  8. 2015-03-06    8.51
  9. Name: p_change, dtype: float64

4 总结

  • 1.索引【掌握】
    • 直接索引 — 先列后行,是需要通过索引的字符串进行获取
    • loc — 先行后列,是需要通过索引的字符串进行获取
    • iloc — 先行后列,是通过下标进行索引
    • ix — 先行后列, 可以用上面两种方法混合进行索引
  • 2.赋值【知道】
    • data[“”] = **
    • data. =
  • 3.排序【知道】
    • dataframe
      • 对象.sort_values()
      • 对象.sort_index()
    • series
      • 对象.sort_values()
      • 对象.sort_index()