python使用pandas小记
来源:互联网 发布:域名备案撤销 编辑:程序博客网 时间:2024/05/09 16:50
pandas详解可参考:http://pandas.pydata.org/pandas-docs/stable/10min.html
对应的中文译文:http://www.cnblogs.com/chaosimple/p/4153083.html
在这里对我近期用到的几个函数做一些记录与解析,若有使用不当之处望大家指出
date_range
这个函数的作用是创建一个时间序列的索引,其原型为:
pandas.data_range(start=None, end=None, periods=None, freq=’D’, tz=None, normalize=False, name=None, closed=None, **kwargs)
举例:
这里将freq设为5H,则每隔5小时计算一次,共periods=12次
再如下图的比较:
第二段将normalize设为True,则默认从当天0点计时,并不会有时分秒的显示
另外有点困惑:是否只能freq=’D’的时候才能看出normalize的差别?当我将其设为’H’时并没有明显的变化。
Series
Series是一个一位数组的结构,分为索引值(index)和对应的数据。其函数原型:
pandas.Series(data, index=index)
若不指定index范围,则会默认从0开始计数,也可以人为对index进行指定,第三则可通过构建字典来创建Series对象,具体的使用方法都可见下图:
最后的isnull函数是用来判断在字典中是否存在索引值对应的值,存在返回False,不存在则返回True
但我这里不知道为什么在输出se3的时候是先输出B,然后才是A?
Timestamp
最后还有一个timestamp函数,用于转换日期格式
例如数字生成日期:
pd.Timestamp(datetime(2017, 3, 8))
字符生成日期:
pd.Timestamp('2017-03-08')
都可在前文提到的10 Minutes to pandas中找到。
0 0
- python使用pandas小记
- Python pandas使用记录
- 使用Python pandas作图
- python---pandas.merge使用
- pandas小记:pandas数据结构
- python使用pandas读取数据文件
- python pandas 的简单使用
- python mysqldb使用小记
- pandas小记:pandas基本设置
- pandas小记:pandas数据输入输出
- pandas小记:pandas高级功能
- 初学python--pandas中MultilIndex的使用
- 使用Python Pandas处理亿级数据
- 使用Python Pandas处理亿级数据
- 使用Python Pandas处理亿级数据
- 使用Python Pandas处理亿级数据
- python之pandas使用:数据的选择
- Python Pandas库 常见使用错误总结
- linux 安装postgreSQL 9版本
- 去空格
- Java的数据类型以及equals和==的区别
- iOS控制器之基类设计
- ADB在Windows和Ubuntu下的安装,android设备连接
- python使用pandas小记
- Cassandra文档学习(二:Database internals)
- 图表插件Highcharts使用本地action、servlet导出图片
- 全选操作
- Ubuntu16.04中安装PyCharm
- dialog样式
- Dubbo 分布式服务框架
- Win7,64位,Python2.7.2安装numpy(whl文件)
- 【SysML】用例图