工作中经常用到pandas,所以现在有时间就加点内容,以便查阅!
import numpy as np
import pandas as pd
# 生成一个DataFrame数据
dates = pd.date_range('20191201',periods=5)
df = pd.DataFrame(np.random.randn(5, 5),index=dates,columns=list('ABCDE'))
df.iloc[1,0] = df.iloc[0,0]
df.iloc[1,1] = df.iloc[0,1]
print(df)
"""
A B C D E
2019-12-01 -0.400561 1.916244 -0.027848 1.726683 -0.825451
2019-12-02 -0.400561 1.916244 -0.341435 -2.341047 -2.216682
2019-12-03 1.165244 -0.489673 -0.479814 0.360694 1.670459
2019-12-04 -0.339122 0.169905 -0.970991 -0.303687 1.663149
2019-12-05 0.752542 0.989045 0.724454 -0.034715 1.240655
"""
# 修改列名
df.rename(columns={'A':'a', 'B':'b'}, inplace = False)
"""
a b C D E
2019-12-01 -0.905754 0.079627 0.770437 0.982166 -0.071950
2019-12-02 -0.905754 0.079627 2.535105 1.070351 -0.852405
2019-12-03 0.323004 -2.003110 -1.154842 0.224212 0.513301
2019-12-04 1.234087 1.462279 1.102835 -0.498354 -2.438021
2019-12-05 0.111522 0.265316 -0.605126 -0.106813 0.672281
"""
# 删除指定列
df.drop(df.columns[[2,4]], axis=1, inplace=False) # 删除3、5列
"""
A B D
2019-12-01 -0.400561 1.916244 1.726683
2019-12-02 -0.400561 1.916244 -2.341047
2019-12-03 1.165244 -0.489673 0.360694
2019-12-04 -0.339122 0.169905 -0.303687
2019-12-05 0.752542 0.989045 -0.034715
"""
df.drop(df.index[[2,4]], axis=0, inplace=False) # 删除3、5行
"""
A B C D E
2019-12-01 -0.400561 1.916244 -0.027848 1.726683 -0.825451
2019-12-02 -0.400561 1.916244 -0.341435 -2.341047 -2.216682
2019-12-04 -0.339122 0.169905 -0.970991 -0.303687 1.663149
"""
# 去重(去除重复)
# 以A、B列匹配去重、保留第一行
df.drop_duplicates(subset=['A','B'],keep='first',inplace=False)
"""
A B C D E
2019-12-01 -0.400561 1.916244 -0.027848 1.726683 -0.825451
2019-12-03 1.165244 -0.489673 -0.479814 0.360694 1.670459
2019-12-04 -0.339122 0.169905 -0.970991 -0.303687 1.663149
2019-12-05 0.752542 0.989045 0.724454 -0.034715 1.240655
"""
# 以A、B列匹配去重、保留最后一行
df.drop_duplicates(subset=['A','B'],keep='last',inplace=False)
"""
A B C D E
2019-12-02 -0.400561 1.916244 -0.341435 -2.341047 -2.216682
2019-12-03 1.165244 -0.489673 -0.479814 0.360694 1.670459
2019-12-04 -0.339122 0.169905 -0.970991 -0.303687 1.663149
2019-12-05 0.752542 0.989045 0.724454 -0.034715 1.240655
"""
# 分组,以A类分组,获取分数最高的前两行数据
df = pd.DataFrame({'A':['a','a','b','b','a','a','b'],'B':[91,92,93,94,95,96,97]})
print(df)
"""
A B
0 a 91
1 a 92
2 b 93
3 b 94
4 a 95
5 a 96
6 b 97
"""
df.sort_values(['A','B'],ascending=[True,False], inplace=True)
df = df.groupby('A').head(2)
print(df)
"""
A B
5 a 96
4 a 95
6 b 97
3 b 94
"""
# 时间戳转换为时间
df = pd.DataFrame([i for i in range(1551871800,1551871805)],columns=['时间'])
"""
时间
0 1551871800
1 1551871801
2 1551871802
3 1551871803
4 1551871804
"""
pd.to_datetime(df['时间'], unit='s', origin=pd.Timestamp('1970-01-01')) # 时间戳转换为时间一
df['时间'].map(lambda x: datetime.datetime.fromtimestamp(x)) # 时间戳转换为时间二
"""
# unit='s' 代表单位是秒,origin 代表从这个时间开始加上时间戳的那么多秒
0 2019-03-06 11:30:00
1 2019-03-06 11:30:01
2 2019-03-06 11:30:02
3 2019-03-06 11:30:03
4 2019-03-06 11:30:04
"""
# 读取数据
# read_excel 方法的部分参数
"""
header:指定作为列名的行,默认0,即取第一行的值为列名。数据为列名行以下的数据;若数据不含列名,则设定 header = None。
names:默认为None,要使用的列名列表,如不包含标题行,应显示传递header=None。
index_col:指定列为索引列,默认None列(0索引)用作DataFrame的行标签。
usecols:int或list,默认为None。
dtype:列的类型名称或字典,默认为None。数据或列的数据类型。例如{'a':np.float64,'b':np.int32}使用对象保存存储在Excel中的数据而不解释dtype。如果指定了转换器,则它们将应用于dtype转换的INSTEAD。
skiprows:省略指定行数的数据,从第一行开始。例如:skiprows=1 则省略第一行从第二行开始
skipfooter:省略指定行数的数据,从尾部数的行开始。
dtype:字典类型{'列名1':数据类型,‘列名’:数据类型},设定指定列的数据类型。
"""
# 保存数据
# to_csv方法的部分参数
"""
path_or_buf:字符串或文件句柄,默认为无
文件路径或对象,如果提供None,则结果以字符串形式返回。
sep:字符,默认为“,”
输出文件的字段定界符。
na_rep:字符串,默认''
缺少数据表示
float_format:字符串,默认为无
浮点数格式字符串
header:布尔值或字符串列表,默认为True
写出列名。如果给出了字符串列表,则假定它是列名的别名
index:布尔值,默认为True
写行名(索引)
mode:str
Python写入模式,默认为“ w”
encoding:字符串,可选
一个字符串,代表要在输出文件中使用的编码,在Python 2上默认为'ascii',在Python 3上默认为'utf-8'。
compression:字符串,可选
表示要在输出文件中使用的压缩的字符串,允许的值为'gzip','bz2',仅当第一个参数是文件名时使用
line_terminator:字符串,默认为'n'
在输出文件中使用的换行符或字符序列
chunksize:int或无
一次写入的行
date_format:字符串,默认为None
日期时间对象的格式字符串
"""
df.to_excel('a.xlsx',index=False)
df.to_csv('a.csv',index=False,encoding='utf-8_sig') # encoding防止中文乱码
# 读取数据
df = pd.read_excel('a.xlsx')
df = pd.read_csv('a.csv', encoding='utf-8_sig', engine='python')
注:此代码只是个人根据当时的环境满足了当时的需求,记录下来用做后续参考!如有问题,请检查软硬件环境是否一致,由于时间精力有限,大部分未做详细环境描述。