Pandas
Python Data Analysis Library
数据结构
DataFrame
df = pd.DataFrame([[1, 2, 3],[4, 5, 6]], columns=['col1','col2','col3'], index=['a','b'])
- 表格方式定义，行是 index， 列是columns，值是values
df.index df.columns df.values #二维数组
- 调用行 df.loc(['a'])，调用列 df['col1']
- df[0:1]调用第一行，df[0]调用第一列
- df.iloc[] ：是index location，以二维矩阵的位置指标(即0,1,2……)作为参数。
Series
- 每一项称为items,比较像字典，又分为index和values
- 默认的index是range(),所以可以从ndarray转换而来
- 可以从字典装换而来，key是变成index
sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000}
ser3 = Series(sdata)
- 不同Series对象可以根据索引进行匹配计算。
- 根据索引进行检索：ser3.loc['Ohio']
- Series.describe() #看这个序列数值的基本统计量
- 缺失值处理 Series.isnull(), Series.notnull(), Series.fillnull()
Index
- 比较像集合set，但是元素可以重复
io
- read_csv
import pandas as pd
data=pd.read_csv('cGs_for_LAMOST.csv',comment='#')
data.columns
ra=data['ra']
dec=data['dec]
- 现在推荐read_csv 读普通表格了，默认总是把第一行做表头，如果没有表头用header=None
- 详见 https://blog.csdn.net/brucewong0516/article/details/79092579
- comment='#'
- sep=' '(或者'\s' ;sep='\t'(分隔符是Tab键）
- read_table
：读普通的ascii文件
file=pd.read_table(path+'test1.spectrum',skiprows=range(0,6),\
delim_whitespace=True, names=('A', 'B', 'C'), dtype={'A': np.int64, 'B': np.float64, 'C': np.float64})
a=file['A'].values
- sep='\s+'（分隔符号是空格）
hdf5
- 复杂数据结构可以组合成一个hdf5结构 [1]
- 写入
store = pd.HDFStore('store.h5')
#生成一个1亿行，5列的标准正态分布随机数表
df = pd.DataFrame(np.random.rand(100000000,5))
store['df'] = df
####压缩格式存储
h5 = pd.HDFStore('store_comp.h5','w', complevel=4, complib='blosc')
h5['data'] = df
- 读入
- store = pd.HDFStore('Omet_CEM.h5')
- store.keys()
data=pd.read_hdf('/data/stock/test_c4.h5',key='data')
- import h5py #导入工具包
f = h5py.File('HDF5_FILE.h5','r') #打开h5文件
f.keys() #可以查看所有的主键
a = f['data'][:] #取出主键为data的所有的键值
f.close()
pickle
- 使用DataFrame的to_pickle属性就可以生成pickle文件对数据进行永久储存
df = pd.DataFrame(np.arange(20).reshape(4,5))
df.to_pickle('foo.pkl')
pd.read_pickle('foo.pkl')