pandas常用功能快速查詢

#-*- coding: utf-8 -*-
'''
作者：時亞東
功能：pandas應用
版本：
時間：2019-10-01
'''

#模塊導入
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt


'''Serise數據類型——一維數據'''

a = pd.Series([1, 0.3, np.nan])
b = pd.Series(np.array([1, 2, 3]))

print('a\n',a)
print('b\n',b)

# 修改index
a = pd.Series([1, 0.3, np.nan], index = ['a','b','c'])
print(a)


'''DataFrame數據類型——二維數據'''

# date_range()隨機產生時間序列
date = pd.date_range('20191001', periods = 5)
#print(date)

# 使用numpy對象創建
df = pd.DataFrame(np.random.randn(5, 4), index = date, columns = list('ABCD'))
# print(df)

# 查看數據
print(df.head())        # 獲取前幾行數據，默認返回前5行
print(df.tail())        # 獲取后幾行數據，默認返回后5行
print(df.index)         # 獲取索引
# print(list(df.index))
print(df.columns)       # 獲取欄名
print(df.values)        # 獲取所有值
print(df.describe())    # 獲取描述信息
print(df.T)             # 轉置
print(df.sort_index(axis = 1, ascending = False))   # 對索引對象進行重新排序
print(df.sort_values(by = 'D'))                     # 針對某一欄中的元素進行排序
print('*' * 50)

# 選擇數據
print(df['A'])                      # 獲取某一欄的全部數據
print(df[1:3])                      # 獲取索引1:3的行數據
print(df['20191001':'20191004'])    # 獲取索引值為'20191001':'20191004'的行數據
print('*' * 50)

# loc是定位元素的方法
print(df.loc[date[0]])              # 獲取date第一個索引的數據
print(df.loc[:, ['A', 'B']])        # 獲取欄名為A、B的全部行數據
print(df.loc['20191002':'20191004', ['A','B']])     # 獲取索引值為'20191002':'20191004'范圍的A、B欄的數據
print(df.loc['20191002', ['A', 'B']])               # 獲取索引值為'20191002'的A、B欄的數據
print('*' * 50)

# 通過布爾值獲取數據
print(df[df.A > 0])     # 獲取A欄中大於0的數據
print(df[df > 0])       # 獲取所有大於0的數據



# 賦值
# print(df)
s1 = pd.Series([1,2,3,4], index = pd.date_range('20191002', periods = 4))   # 生成一個Series類型數據
# print('s1\n',s1)

df['F'] = s1            # 將s1添加到df后面
# rint('df\n', df)

df.at[date[0],'A'] = 0  # 指定表中數據進行替換
# print('df\n', df)

df.loc[:, 'D'] = np.array([5] * len(df))        # 指定某一欄的值進行替換，數組類型
# print('df\n', df)

#  處理NaN值得方式
print(df.dropna(how = 'any'))   # 刪除所有包含NaN的數據行

print(df.fillna(value = 3))     # 使用默認值填充NaN

print(pd.isnull(df))            # 判斷是否包含NaN，返回布爾值