Pandas入門:DataFrameの簡単な応用

Pandas

Pandas               ，                。 Python           Pandas       ， DataFrame         ，       ，        DataFrame。

DataFrameの使用
1、まずpandasとnumpyの2つのパッケージを導入し、pandasはnumpyに依存する.

import numpy as np
import pandas as pd

時間インデックスを作成します.インデックスは、各行のデータのidであり、一意の値です.

date=pd.date_range('20170401',periods=6)
print(date)

結果:

DatetimeIndex(['2017-04-01', '2017-04-02', '2017-04-03', '2017-04-04', '2017-04-05', '2017-04-06'], dtype='datetime64[ns]', freq='D')

2、6*4のデータを作成し、randomは乱数を作成するために使用され、パラメータは行数と列数を表し、dateは上に作成したインデックス列である.

df=pd.DataFrame(np.random.randn(6,4),index=date,columns=list('ABCD'))
print(df)

結果:

                   A         B         C         D
2017-04-01 -1.174146  0.981851  0.054070 -0.304046
2017-04-02 -0.670757 -0.621248 -0.320604 -0.368905
2017-04-03 -0.008907  0.288560 -0.086716  1.601499
2017-04-04 -0.903410 -0.884107 -0.125471 -0.032931
2017-04-05 -0.589219 -0.561077 -0.994943 -0.001721
2017-04-06  1.503975  1.008683  0.631483 -0.713936

3、dtypesで各行のデータフォーマットを表示できる

print(df.dtypes)
A    float64
B    float64
C    float64
D    float64
dtype: object

4、headを使用して前の行のデータを表示する(デフォルトの前の5行)

df.head()
#   3 
df.head(3)

tailを使用して後の数行のデータを表示し、同じheadを使用します.5、データ・ボックスのインデックス(index)、カラム名(columns)、データ値(values)、記述性(describe)の表示

df.index/df.columns/df.values/df.describe

6、Tを用いてデータを転置する、すなわち行列変換.

df.T
   2017-04-01  2017-04-02  2017-04-03  2017-04-04  2017-04-05  2017-04-06
A   -1.056570   -1.314146   -0.882650   -0.081214   -0.061534   -0.558024
B    0.221840    0.915488   -0.689384   -0.707948    0.791983   -0.300867
C   -0.572469   -0.987231   -1.123992    0.332304   -0.476678   -0.409462
D    0.582291    0.012441    0.834482   -0.665694    0.765196   -0.020418

7、sortによるデータ並べ替え

df.sort(columns='A')
                   A         B         C         D
2017-04-05 -0.799361 -0.591627 -0.367348  0.268359
2017-04-04 -0.397003 -0.758888 -2.324696  1.310242
2017-04-01 -0.295905 -0.396839 -1.106580  1.013233
2017-04-03 -0.139464 -0.034839 -0.203179 -1.438849
2017-04-02  0.326524  0.922449  0.199526  0.217041
2017-04-06  0.376355  0.259185 -1.090140  0.060581