Pandas-01-基本数据操作

• 导入数据

# 读取文件
data = pd.read_csv("./data/stock_day.csv")

# 删除一些无用列
data = data.drop(["ma5", "ma10", "ma20", "v_ma5", "v_ma10", "v_ma20"], axis=1)

1. 索引操作

• 直接行列索引（先列后行）

  # 先列后行
  data["open"]["2018-02-27"]  # 23.53
  
  # 取前两行的high和low
  data[0:2][["high", "low"]]
  
  # 不支持的操作
  # 先行后列
  data["2018-02-27"]["open"]
  # 切片
  data[:1, :2]
  

• 使用loc和iloc索引

  # loc:仅支持行列名索引
  data.loc["2018-02-27":"2018-02-14", "open":"close"]
  
  # iloc:通过下标进行索引
  data.iloc[:3, :5]  # 前3行，前5列
  

• 使用ix组合索引

  在pandas 0.20.0版本中此方法被废弃，使用.iloc和.loc组合索引。

  获取第1-4天，["open", "close", "high", "low"]这四个指标的结果

  # 使用ix进行下标和列名组合索引
  data.ix[0:4, ["open", "close", "high", "low"]]
  
  # 推荐使用loc和iloc组合
  data.loc[data.index[0:4], ["open", "close", "high", "low"]]
  # 或
  data.iloc[0:4, data.columns.get_indexer(["open", "close", "high", "low"])]
  

2. 赋值操作

# 直接修改原来的值
data["close"] = 1
# 或者
data.close = 1

3. 排序

3.1. DataFrame排序

• 使用dataframe.sort_values(by=,ascending=)

  • 指定单个键或多个键进行排序
  • 参数：
    • by：指定排序参考的键
    • ascending：默认升序
      • ascending=True：升序
      • ascending=False：降序

  # 根据开盘价降序排序
  data.sort_values(by="open", ascending=False).head()
  
  # 根据开盘价和最高价升序排序
  data.sort_values(by=["open", "high"], ascending=True).head()
  

• 使用dataframe.sort_index()以索引进行排序

  默认升序，同样可以指定ascending=False来进行降序排序

  # 以行（日期）进行升序排序
  data.sort_index()
  

3.2. Series排序

• 使用series.sort_values(ascending=)以列排序

  data["high"].sort_values().head()
  

• 使用series.sort_index(ascending=)以索引排序

  data["high"].sort_index(ascending=False).head()