[039]量化交易] DataFrame、Series数据结构访问

import numpy as np
import pandas as pd
from pandas import Series, DataFrame

a = np.random.randn(5)
print("a is an array:")
print(a)
s = Series(a)  # Series 可以简单地被认为是一维的数组
# Series 和一维 数组最主要的区别在于 Series 类型具有索引（ index ）
print("s is a Series:")
print(s)
print(s[2])
s = Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'], name='my_series')
print(s)
print(s.index)
print(s.name)

print('----------------------')
d = {'a': 0., 'b': 1, 'c': 2}
print("d is a dict:")
print(d)
s = Series(d)
print("s is a Series:")
print(s)
# NaN （not a number， pandas 中数据缺失的标准记号)
# DataFrame是将数个Series按列合并而成的二维数据结构，每一列单独取出来是一个Series
print('-----------DataFrame()---------')
d = {'one': Series([1., 2., 3.], index=['a', 'b', 'c']),
     'two': Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}
df = DataFrame(d)
print(df)

df = DataFrame(d, index=['r', 'd', 'a'], columns=['two', 'three'])
print(df)
print(df.index)
print(df.columns)
print(df.values)
print('---------------------------')
d = {'one': [1., 2., 3., 4.], 'two': [4., 3., 2., 1.]}
df = DataFrame(d, index=['a', 'b', 'c', 'd'])
print(df)
print('++++++++++++++++++++++++')
a = Series(range(5))
print(a)
b = Series(np.linspace(4, 20, 5))
print(b)
df = pd.concat([a, b], axis=1)  # 的 axis=1 表示按列进行合并，axis=0 表示按行合并
print(df)
print('*************************')
# df = pd.concat([a, b], axis=0)  # 的 axis=1 表示按列进行合并，axis=0 表示按行合并
# print(df)
# DataFrame是以列作为操作的基础的，全部操作都想象成先从DataFrame
# 里取一列，再从这个Series取元素即可
print('######################')
df = DataFrame()
index = ['alpha', 'beta', 'gamma', 'delta', 'eta']
for i in range(5):
    a = DataFrame([np.linspace(i, 5 * i, 5)], index=[index[i]])
    df = pd.concat([df, a], axis=0)
print(df)
print('************************')
df.columns = ['a', 'b', 'c', 'd', 'e']
print(df)
print('取出一列数据')
print(df['b'])  # 列
print(df.a)
print('访问特定数据')
print(df['b'][2])
print(df['b']['gamma'])
print('取出一行数据')
print(df.iloc[1])
print(df.loc['beta'])

print('&&&&&&&&&&&&&&&&&&&&')
print("Selecting by slices:")
print(df[1:3])
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76