『Python學習』pandas進階學習筆記
阿新 • • 發佈：2019-02-08
Pandas資料分析基礎
http://blog.csdn.net/cbbing/article/details/50721468
1、
# 輸出系統當前時間
now = datetime.now()
print now
print now.day
print now.weekday() # 有疑問 為何比真實時間晚一天？是因為時區問題？2、
from datetime import date, time
print time(3, 24) # 3時24分3、"strptime" 方法可以根據需求形式解析用字串表示的日期或時間欄位。
test_time = "2/20/09 16:03" print datetime.strptime(test_time, "%m/%d/%y %H:%M") # 必須嚴格對照原格式， 感覺很不實用
4、事實證明 "dateutil" 庫中的日期解析器要遠比 "strptime" 要強大得多
from dateutil.parser import parse test_time_1 = "2/20/09 16:03" test_time_2 = "2009/2/20 16:03:01" test_time_3 = "2009-2-20 16:03:01" test_time_4 = "2009-2/20 16:03:01" print parse(test_time_1) print parse(test_time_2) print parse(test_time_3) print parse(test_time_4) # 輸出結果 2009-02-20 16:03:00 2009-02-20 16:03:01 2009-02-20 16:03:01 2009-02-20 16:03:01
5、為了簡單起見，Pandas提供了“to_datetime”方法來識別字符串形式的一整個序列，並將其轉換為“datetime”物件。
file = pd.read_csv(path)
print pd.to_datetime(file.time)
print pd.to_datetime([None])6、
file = pd.read_csv(path, index_col=None) #print file.number # 報錯沒有 number 屬性？是因為使用它來作為 index_col 了？當 index_col 設定為 None 時可以正常輸出 print file.time
7、unique 輸出序列的元素，且重複值只輸出一次（即去重）
8、merge: 將兩個 DataFrame 物件按鍵（key）合併
merge的引數形式如下：
pd.merge(left, right, how='inner', on=None, left_on=None,
right_on=None, left_index=False,right_index=False,
sort=False, suffixes=('_x', '_y'), copy=True, indicator=False)
其中 ： left : 資料框，right : 資料框 how : {'left', 'right', 'outer', 'inner'}, 預設值為 'inner'
* left: 只使用left資料框的鍵值
* right: 只使用right資料框的鍵值
* outer: 使用兩個資料框鍵值的並集
* inner: 使用兩個資料框鍵值的交集
# 當兩個資料框有一個共同的列名時， 預設以該列的值作為合併時的鍵值
df1 = pd.DataFrame(dict(test1=range(4), test2=range(10, 14)))
df2 = pd.DataFrame(dict(test1=range(3) * 2, test3=range(20, 26)))
print pd.merge(df1, df2) # 預設以兩個資料框的鍵值的交集為鍵值
# 輸出結果
test1 test2 test3
0 0 10 20
1 0 10 23
2 1 11 21
3 1 11 24
4 2 12 22
5 2 12 25# 由於 merge 預設以兩個資料框的鍵值的交集為鍵值， 故當交集為空時， 合併後的資料框也為空
df1 = pd.DataFrame(dict(test1=range(4), test2=range(10, 14)))
df2 = pd.DataFrame(dict(test1=range(10, 13) * 2, test3=range(20, 26)))
print pd.merge(df1, df2) # 預設以兩個資料框的鍵值的交集為鍵值
# 輸出結果
Columns: [test1, test2, test3]
Index: []
# 當兩個資料框有一個共同的列名時， 預設以該列的值作為合併時的鍵值
df1 = pd.DataFrame(dict(test1=range(4), test2=range(10, 14)))
df2 = pd.DataFrame(dict(test1=range(3) * 2, test3=range(20, 26)))
print pd.merge(df1, df2, how="outer") # 以兩個資料框的鍵值的並集為鍵值
# 輸出結果
test1 test2 test3
0 0 10 20.0
1 0 10 23.0
2 1 11 21.0
3 1 11 24.0
4 2 12 22.0
5 2 12 25.0
6 3 13 NaNon: 取值為標籤或列表 取值即為合併的欄位，要求必須同時存在與被合併的資料框，如果取值為None，並且不按照索引合併時，函式就預設按照列的交集合並。
# 當兩個資料框有多個相同的列名時， 沒被選擇作為鍵的列名將會被系統標記為不同的列名
df1 = pd.DataFrame(dict(test1=range(4), test2=range(10, 14)))
df2 = pd.DataFrame(dict(test1=range(3) * 2, test2=range(10, 16), test3=range(20, 26)))
print pd.merge(df1, df2, on="test1") # 以 test1 為鍵
# 輸出結果
test1 test2_x test2_y test3
0 0 10 10 20
1 0 10 13 23
2 1 11 11 21
3 1 11 14 24
4 2 12 12 22
5 2 12 15 25# 當兩個資料框有多個相同的列名時， 沒被選擇作為鍵的列名將會被系統標記為不同的列名
df1 = pd.DataFrame(dict(test1=range(4), test2=range(10, 14)))
df2 = pd.DataFrame(dict(test1=range(3) * 2, test2=range(10, 16), test3=range(20, 26)))
print pd.merge(df1, df2, on="test2") # 以 test2 為鍵
# 輸出結果
test1_x test2 test1_y test3
0 0 10 0 20
1 1 11 1 21
2 2 12 2 22
3 3 13 0 23
# 當兩個資料框有多個相同的列名時， 可以選擇多個列名作為鍵
df1 = pd.DataFrame(dict(test1=range(4), test2=range(10, 14)))
df2 = pd.DataFrame(dict(test1=range(3) * 2, test2=range(10, 16), test3=range(20, 26)))
print pd.merge(df1, df2, on=["test1", "test2"]) # 以 test1, test2 為鍵
# 輸出結果
test1 test2 test3
0 0 10 20
1 1 11 21
2 2 12 22left(right)_on: 取值為標籤或列表或陣列形式 left(right)資料框中用來合併的欄位，可以是同資料框長度的向量或者向量列表，被用 來作為特別指定的合併鍵值。
# 指定兩個資料框中各自用於合併的列名
df1 = pd.DataFrame(dict(test1=range(4), test2=range(10, 14)))
df2 = pd.DataFrame(dict(test1=range(3) * 2, test2=range(10, 16), test3=range(20, 26)))
print pd.merge(df1, df2, left_on="test1", right_on="test1") # 以 "test1" 為鍵
# 輸出結果
test1 test2_x test2_y test3
0 0 10 10 20
1 0 10 13 23
2 1 11 11 21
3 1 11 14 24
4 2 12 12 22
5 2 12 15 25left(right)_index:取值為布林值，預設為False 使用left(right)資料框的索引作為合併鍵值，如果是多重索引，另一個數據框中鍵值的 數目必須和索引的層級相符。
# 以行索引為鍵
df1 = pd.DataFrame(dict(test1=range(4), test2=range(10, 14)))
df2 = pd.DataFrame(dict(test1=range(3) * 2, test2=range(10, 16), test3=range(20, 26)))
print pd.merge(df1, df2, left_index=True, right_index=True) # 以行索引為鍵
# 輸出結果
test1_x test2_x test1_y test2_y test3
0 0 10 0 10 20
1 1 11 1 11 21
2 2 12 2 12 22
3 3 13 0 13 239、聯結 Concatenation
向一個已經固定行和列的資料集中分別新增行和列
10、data.dtypes 可以知道各個列的屬性