知行迭代
导航
首页
最近更改
随机页面
常用
分类目录
Linux命令
Mediawiki常用
电脑技巧
工具
链入页面
相关更改
特殊页面
页面信息
登录
查看“Pandas”的源代码
←
Pandas
页面
讨论
阅读
查看源代码
查看历史
因为以下原因,您没有权限编辑本页:
您请求的操作仅限属于该用户组的用户执行:[
[1]
]
您可以查看和复制此页面的源代码。
Pandas是[[Python]]的一个开源软件库,用于数据分析,可以方便对数据进行处理、计算、分析、存储及可视化。 ==简介== ===时间轴=== *2008年,开发者Wes McKinney在AQR Capital Management开始制作pandas来满足在财务数据上进行定量分析对高性能、灵活工具的需要。在离开AQR之前他说服管理者允许他将这个库开放源代码。 *2012年,另一个AQR雇员Chang She加入了这项努力并成为这个库的第二个主要贡献者。 *2015年,Pandas签约了NumFOCUS的一个财务赞助项目,它是美国的501(c)(3)非营利慈善团体。 ===安装和导入=== 使用pip安装Pandas pip install pandas 如果使用的是Anaconda等计算科学软件包,已经安装好了pandas库。 导入Pandas,在脚本顶部导入,一般写法如下: import pandas as pd 查看Pandas版本: pd.__version__ ==数据结构== pandas定义了2种数据类型,Series和DataFrame,大部分操作都在这两种数据类型上进行。 {{了解更多 |[https://pandas.pydata.org/docs/user_guide/dsintro.html Pandas 用户指南:数据结构] }} ===Series=== Series是一个有轴标签(索引)的一维数组,能够保存任何数据类型(整数,字符串,浮点数,Python对象等)。轴标签称为<code>index</code>。和Python字典类似。 ====创建Series==== 创建Series的基本方法为,使用[[Pandas/pandas.Series|pandas.Series]]类新建一个Series对象,格式如下: pd.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False) 轴标签index不是必须,如果省略,轴标签默认为从0开始的整数数组。一些示例如下: <syntaxhighlight lang="python" > s = pd.Series(["foo", "bar", "foba"]) print(type(s)) #<class 'pandas.core.series.Series'> s2 = pd.Series(["foo", "bar", "foba"], index=['b','d','c']) # 创建日期索引 date_index = pd.date_range("2020-01-01", periods=3, freq="D") s3 = pd.Series(["foo", "bar", "foba"], index=date_index) </syntaxhighlight> ====Series数据操作==== ====Series属性==== 下表示例中s为Series对象: <syntaxhighlight lang="python" > >>> s = pd.Series(['a', 'b', 'c']) >>> s 0 a 1 b 2 c dtype: object </syntaxhighlight> {| class="wikitable" |- !属性名 !描述 !示例 !结果 |- | T | 返回转置,根据定义,Series转置为自身。 | s.T | 自身 |- | array | 返回 Series 或 Index 数据的数组,该数组为pangdas扩展的python数组. | s.array | <PandasArray><br \>['a', 'b', 'c']<br \>Length: 3, dtype: object |- | at | 通过轴标签获取或设置单个值。 | s.at[1]<br \>s.at[2]='d' |'b' |- | attrs | 此对象全局属性字典。 | s.attrs | {} |- | axes | 返回行轴标签的列表。 | s.axes | [RangeIndex(start=0, stop=3, step=1)] |- | dtype | 返回数据的Numpy数据类型 | s.dtype | dtype('O') |- | dtypes | 返回数据的Numpy数据类型 | s.dtypes | dtype('O') |- | hasnans | 如果有任何空值(如Python的None,np.NaN)返回True,否则返回False。 | s2 = pd.Series(['a', None, 'c']) <br \>s2.hasnans | True |- | iat | 通过轴整数位置获取或设置单个值。 | s.iat[1]<br \>s.iat[2]='d' |'b' |- | iloc | Purely integer-location based indexing for selection by position. |- | index | The index (axis labels) of the Series. |- | is_monotonic | Return boolean if values in the object are monotonic_increasing. |- | is_monotonic_decreasing | Return boolean if values in the object are monotonic_decreasing. |- | is_monotonic_increasing | Alias for is_monotonic. |- | is_unique | Return boolean if values in the object are unique. |- | loc | Access a group of rows and columns by label(s) or a boolean array. |- | name | Return the name of the Series. |- | nbytes | Return the number of bytes in the underlying data. |- | ndim | Number of dimensions of the underlying data, by definition 1. |- | shape | Return a tuple of the shape of the underlying data. |- | size | Return the number of elements in the underlying data. |- | values | Return Series as ndarray or ndarray-like depending on the dtype. |} {{了解更多|[https://pandas.pydata.org/docs/reference/api/pandas.Series.html#pandas.Series Pandas API:pandas.Series]}} ====Series方法==== ===DataFrame=== DataFrame是有标记的二维的数据结构,具有可能不同类型的列。由数据,行标签,列标签构成。 ==Pandas绘图== pandas绘图基于[[Matplotlib]],pandas的DataFrame和Series都自带生成各类图表的plot方法,能够方便快速生成各种图表。 {{了解更多 |[https://pandas.pydata.org/docs/user_guide/visualization.html pandas文档:用户指南 - 可视化] }} ===基本图形=== ====折线图==== plot方法默认生成的就是折线图。如prices是一个DataFrame的含有收盘价close列,绘制收盘价的折线图: <syntaxhighlight lang="python" > s = prices['close'] s.plot() #设置图片大小,使用figsize参数 s.plot(figsize=(20,10)) </syntaxhighlight> ====条形图==== 对于不连续标签,没有时间序列的数据,可以绘制条形图,使用以下两种方法: *使用plot()函数,设置kind参数为‘bar’ or ‘barh’, *使用plot.bar()函数,plot.barh()函数 <syntaxhighlight lang="python" > df.plot(kind='bar') #假设df为每天股票数据 df.plot.bar() df.resample('A-DEC').mean().volume.plot(kind='bar') #重采集每年成交量平均值,绘制条形图(volume为df的成交量列) df.plot.bar(stacked=True) #stacked=True表示堆积条形图 df.plot.barh(stacked=True) #barh 表示水平条形图 </nowiki> </syntaxhighlight> ====直方图==== 直方图使用plot.hist()方法绘制,一般为频数分布直方图,x轴分区间,y轴为频数。组数用参数bins控制,如分20组bins=20 <syntaxhighlight lang="python" > df.volume.plot.hist() #df股票数据中成交量volume的频数分布直方图。 df.plot.hist(alpha=0.5) #alpha=0.5 表示柱形的透明度为0.5 df.plot.hist(stacked=True, bins=20) #stacked=True表示堆积绘制,bins=20表示分20组。 df.plot.hist(orientation='horizontal') #orientation='horizontal' 表示水平直方图 df.plot.hist(cumulative=True) #表示累计直方图 df['close'].diff().hist() #收盘价上应用diff函数,再绘制直方图 df.hist(color='k', bins=50) #DataFrame.hist函数将每列绘制在不同的子图形上。 </syntaxhighlight> ====箱型图==== 箱型图可以使用plot.box()函数或DataFrame的boxplot()绘制。 参数: *color,用来设置颜色,通过传入颜色字典,如color={'boxes': 'DarkGreen', 'whiskers': 'DarkOrange', 'medians': 'DarkBlue', 'caps': 'Gray'} *sym,用来设置异常值样式,如sym='r+'表示异常值用'红色+'表示。 <syntaxhighlight lang="python" > df.plot.box() df[['close','open', 'high']].plot.box() #改变箱型颜色,通过传入颜色字典 color={'boxes': 'DarkGreen', 'whiskers': 'DarkOrange', 'medians': 'DarkBlue', 'caps': 'Gray'} df.plot.box(color=color, sym='r+') #sym用来设置异常值样式,'r+'表示'红色+' df.plot.box(positions=[1, 4, 5, 6, 8]) #positions表示显示位置,df有5个列, 第一列显示在x轴1上,第二列显示在x轴4上,以此类推 df.plot.box(vert=False) #表示绘制水平箱型图 df.boxplot() #绘制分层箱型图,通过设置by关键词创建分组,再按组,分别绘制箱型图。如下面例子,每列按A组,B组分别绘制箱型图。 df = pd.DataFrame(np.random.rand(10, 2), columns=['Col1', 'Col2']) df['x'] = pd.Series(['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B']) df.boxplot(by='x') #还可以再传入一个子分类,再进一步分组绘制。如: df.boxplot(column=['Col1', 'Col2'], by=['X', 'Y']) </syntaxhighlight> ====散点图==== 散点图使用DataFrame.plot.scatter()方法绘制。通过参数x,y指定x轴和y轴的数据列。 <syntaxhighlight lang="python" > df.plot.scatter(x='close', y='volume') #假如df为每日股票数据,图表示收盘价与成交量的散点图 #将两组散点图绘制在一张图表上,重新ax参数如 ax = df.plot.scatter(x='close', y='volume', color='DarkBlue', label='Group 1') #设置标签名label设置标名 df.plot.scatter(x='open', y='value', color='DarkGreen', label='Group 2', ax=ax) #c参数表示圆点的颜色按按volume列大小来渐变表示。 df.plot.scatter(x='close', y='open', c='volume', s=50) #s表示原点面积大小 df.plot.scatter(x='close', y='open', s=df['volume']/50000) #圆点的大小也可以根据某列数值大小相应设置。 </syntaxhighlight> ====饼图==== 饼图使用DataFrame.plot.pie()或Series.plot.pie()绘制。如果数据中有空值,会自动使用0填充。 ===其他绘图函数=== 这些绘图函数来自[https://pandas.pydata.org/pandas-docs/stable/reference/plotting.html pandas.plotting]模块。 ====矩阵散点图(Scatter Matrix Plot)==== 矩阵散点图(Scatter Matrix Plot)使用scatter_matrix()方法绘制 <syntaxhighlight lang="python" > from pandas.plotting import scatter_matrix #使用前需要从模块中导入该函数 scatter_matrix(df, alpha=0.2, figsize=(6, 6), diagonal='kde') #假设df是每日股票数据,会每一列相对其他每一列生成一个散点图。 </syntaxhighlight> ====密度图(Density Plot)==== 密度图使用Series.plot.kde()和DataFrame.plot.kde()函数。 df.plot.kde() ====安德鲁斯曲线(Andrews Curves)==== 安德鲁斯曲线 ====平行坐标图(Parallel Coordinates)==== ====Lag plot==== ====自相关图(Autocorrelation Plot)==== 自相关图 ====自举图(Bootstrap plot)==== ===绘图格式=== ====预设置图形样式==== matplotlib 从1.5开始,可以预先设置样式,绘图前通过matplotlib.style.use(my_plot_style)。如matplotlib.style.use('ggplot') 定义ggplot-style plots. ====样式参数==== 大多数绘图函数,可以通过一组参数来设置颜色。 ====标签设置==== 可通过设置legend参数为False来隐藏图片标签,如 df.plot(legend=False) ====尺度==== *logy参数用来将y轴设置对数标尺 *logx参数用来将x轴设置对数标尺 *loglog参数用来将x轴和y轴设置对数标尺 ts.plot(logy=True) ====双坐标图==== 两组序列同x轴,但y轴数据不同,可以通过第二个序列设置参数:secondary_y=True,来设置第二个y轴。 <syntaxhighlight lang="python" > #比如想在收盘价图形上显示cci指标: prices['close'].plot() prices['cci'].plot(secondary_y=True) #第二个坐标轴要显示多个,可以直接传入列名 ax = df.plot(secondary_y=['cci', 'RSI'], mark_right=False) #右边轴数据标签默认会加个右边,设置mark_right为False取消显示 ax.set_ylabel('CD scale') #设置左边y轴名称 ax.right_ax.set_ylabel('AB scale') #设置右边y轴名称 </syntaxhighlight> ====子图==== DataFrame的每一列可以绘制在不同的坐标轴(axis)中,使用subplots参数设置,例如: df.plot(subplots=True, figsize=(6, 6)) ====子图布局==== 子图布局使用关键词layout设置, ==资源== ===官网=== *[https://pandas.pydata.org/ Pandas官网] *[https://pandas.pydata.org/docs/ Pandas文档] *[https://pandas.pydata.org/docs/user_guide/10min.html Pandas 用户指南 - 10分钟入门Pandas] *[https://pandas.pydata.org/docs/user_guide/index.html Pandas 用户指南] *[https://pandas.pydata.org/docs/reference/index.html Pandas API参考] *[https://github.com/pandas-dev/pandas Pandas 的 Github] ===相关网站=== *[https://quant.itiger.com/tquant/research/hub/classroom/detail?nid=4 老虎量化:pandas 介绍] *[https://www.pypandas.cn/docs/ pypandas.cn:Pandas文档] *[https://www.yiibai.com/pandas 易百教程:Pandas] ===书籍=== 《利用Python进行数据分析 第2版》 - Wes McKinney ==参考文献== *[https://zh.wikipedia.org/wiki/Pandas 维基百科:Pandas] *[https://en.wikipedia.org/wiki/Pandas_(software) 维基百科:Pandas(英)] [[分类:数据分析]] [[分类:数据可视化]]
本页使用的模板:
模板:了解更多
(
查看源代码
)
返回至“
Pandas
”。