快捷導(dǎo)航

pandas DataFrame運(yùn)算的實(shí)現(xiàn)

更新時(shí)間：2020年06月14日 11:35:58 作者：「已注銷」

這篇文章主要介紹了pandas DataFrame運(yùn)算的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

1 算術(shù)運(yùn)算

add(other)

比如進(jìn)行數(shù)學(xué)運(yùn)算加上具體的一個(gè)數(shù)字

data['open'].add(1)

2018-02-27 24.53
2018-02-26 23.80
2018-02-23 23.88
2018-02-22 23.25
2018-02-14 22.49

sub(other)

2 邏輯運(yùn)算

2.1 邏輯運(yùn)算符號(hào)

例如篩選data[“open”] > 23的日期數(shù)據(jù)

data[“open”] > 23返回邏輯結(jié)果

data["open"] > 23

2018-02-27  True
2018-02-26 False
2018-02-23 False
2018-02-22 False
2018-02-14 False

# 邏輯判斷的結(jié)果可以作為篩選的依據(jù)
data[data["open"] > 23].head()

完成多個(gè)邏輯判斷，

data[(data["open"] > 23) & (data["open"] < 24)].head()

2.2 邏輯運(yùn)算函數(shù)

query(expr)

expr:查詢字符串

通過(guò)query使得剛才的過(guò)程更加方便簡(jiǎn)單

# 以字符串形式
data.query("open<24 & open>23").head()

isin(values)
例如判斷'open'是否為23.53和23.85

# 可以指定值進(jìn)行一個(gè)判斷，從而進(jìn)行篩選操作
data[data["open"].isin([23.53, 23.85])]

3 統(tǒng)計(jì)運(yùn)算

3.1 describe

綜合分析: 能夠直接得出很多統(tǒng)計(jì)結(jié)果,count, mean, std, min, max 等

# 計(jì)算平均值、標(biāo)準(zhǔn)差、最大值、最小值
data.describe()

3.2 統(tǒng)計(jì)函數(shù)

Numpy當(dāng)中已經(jīng)詳細(xì)介紹，在這里我們演示min(最小值), max(最大值), mean(平均值), median(中位數(shù)), var(方差), std(標(biāo)準(zhǔn)差),mode(眾數(shù))結(jié)果:

對(duì)于單個(gè)函數(shù)去進(jìn)行統(tǒng)計(jì)的時(shí)候，坐標(biāo)軸還是按照默認(rèn)列“columns” (axis=0, default)，如果要對(duì)行“index” 需要指定(axis=1)

max()、min()

# 使用統(tǒng)計(jì)函數(shù)：0 代表列求結(jié)果， 1 代表行求統(tǒng)計(jì)結(jié)果
data.max(0)

open     34.99
high     36.35
close     35.21
low     34.01
volume    501915.41
price_change   3.03
p_change    10.03
turnover    12.56
my_price_change   3.41
dtype: float64

std()、var()

# 方差
data.var(0)

open    1.545255e+01
high    1.662665e+01
close    1.554572e+01
low    1.437902e+01
volume    5.458124e+09
price_change  8.072595e-01
p_change   1.664394e+01
turnover   4.323800e+00
my_price_change 6.409037e-01
dtype: float64

# 標(biāo)準(zhǔn)差
data.std(0)

open     3.930973
high     4.077578
close     3.942806
low     3.791968
volume    73879.119354
price_change   0.898476
p_change    4.079698
turnover    2.079375
my_price_change  0.800565
dtype: float64

median()：中位數(shù)

中位數(shù)為將數(shù)據(jù)從小到大排列，在最中間的那個(gè)數(shù)為中位數(shù)。如果沒(méi)有中間數(shù)，取中間兩個(gè)數(shù)的平均值。

df = pd.DataFrame({'COL1' : [2,3,4,5,4,2],
     'COL2' : [0,1,2,3,4,2]})

df.median()

COL1 3.5
COL2 2.0
dtype: float64

idxmax()、idxmin()

# 求出最大值的位置
data.idxmax(axis=0)

open    2015-06-15
high    2015-06-10
close    2015-06-12
low    2015-06-12
volume    2017-10-26
price_change  2015-06-09
p_change   2015-08-28
turnover   2017-10-26
my_price_change 2015-07-10
dtype: object


# 求出最小值的位置
data.idxmin(axis=0)

open    2015-03-02
high    2015-03-02
close    2015-09-02
low    2015-03-02
volume    2016-07-06
price_change  2015-06-15
p_change   2015-09-01
turnover   2016-07-06
my_price_change 2015-06-15
dtype: object

3.3 累計(jì)統(tǒng)計(jì)函數(shù)

那么這些累計(jì)統(tǒng)計(jì)函數(shù)怎么用？

以上這些函數(shù)可以對(duì)series和dataframe操作

這里我們按照時(shí)間的從前往后來(lái)進(jìn)行累計(jì)

排序

# 排序之后，進(jìn)行累計(jì)求和
data = data.sort_index()

對(duì)p_change進(jìn)行求和

stock_rise = data['p_change']
# plot方法集成了前面直方圖、條形圖、餅圖、折線圖
stock_rise.cumsum()

2015-03-02  2.62
2015-03-03  4.06
2015-03-04  5.63
2015-03-05  7.65
2015-03-06  16.16
2015-03-09  16.37
2015-03-10  18.75
2015-03-11  16.36
2015-03-12  15.03
2015-03-13  17.58
2015-03-16  20.34
2015-03-17  22.42
2015-03-18  23.28
2015-03-19  23.74
2015-03-20  23.48
2015-03-23  23.74

那么如何讓這個(gè)連續(xù)求和的結(jié)果更好的顯示呢？

如果要使用plot函數(shù)，需要導(dǎo)入matplotlib.

import matplotlib.pyplot as plt
# plot顯示圖形
stock_rise.cumsum().plot()
# 需要調(diào)用show，才能顯示出結(jié)果
plt.show()

關(guān)于plot，稍后會(huì)介紹API的選擇

4 自定義運(yùn)算

apply(func, axis=0)

func:自定義函數(shù)
axis=0:默認(rèn)是列，axis=1為行進(jìn)行運(yùn)算

定義一個(gè)對(duì)列，最大值-最小值的函數(shù)

data[['open', 'close']].apply(lambda x: x.max() - x.min(), axis=0)

open  22.74
close 22.85
dtype: float64

到此這篇關(guān)于pandas DataFrame運(yùn)算的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)pandas DataFrame運(yùn)算內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: