8.Python科学计算与数据处理.ppt

frame.reindex? * 科罗拉多州（Colorado） * * 科罗拉多州（英语：Colorado） * 科罗拉多州（英语：Colorado） * obj.xs? * frame. * ??s?nd?? * 排名（Series.rank(method=average, ascending=True)）的作用与排序的不同之处在于，他会把对象的 values 替换成名次（从 1 到 n）。这时唯一的问题在于如何处理平级项，方法里的?method?参数就是起这个作用的，他有四个值可选：average, min, max, first。 * * df.mean? * ?vɑljum all_data[AAPL].shape all_data[AAPL].columns price.shape volume.shape * returns.shape price.tail() * Fillna：用指定值或插值方法（如ffill或bfill)填充缺失数据。 data.apply(pd.value_counts) 用pd.value_counts方法对data操作。 * θre? df.dropna？ df.dropna(thresh=2) * inplace 修改调用者对象而不产生副本。 Series 和 DataFrame 对象的方法中，凡是会对数组作出修改并返回一个新数组的，往往都有一个?replace=False?的可选参数。如果手动设定为 True，那么原数组就可以被替换。? * from pandas import MultiIndex * swɑp * ?p?n?l * Adj. Close一每日、每週、每月的已調整收市價，這些數值已對股份的分拆和股息派送作出了調整。 * 处理缺失数据 fillna函数的参数 * 参数 说明 value 用于填充缺失值的标量值或字典对象 method 插值方式。如果函数调用时未指定其他参数 的话，默认为“ffill” axis 待填充的轴，默认axis=0 inplace 修改调用者对象而不产生副本 limit (对于前向和后向填充)可以连续填充的最 大数量 层次化索引 层次化索引（hierarchical indexing)是pandas的一项重要功能，它能在一个轴上拥 有多个（两个以上）索引级别。抽象点说，它使能以低维度形式处理高维度数据。 先来看一个简单的例子：创建一个Series，并用一个由列表或数组组成的列表作为索引。 * data = Series(np.random.randn(10), index=[[a,a,a,b,b,b,c,c,d,d], [1, 2, 3, 1, 2, 3, 1, 2, 2, 3]]) data 层次化索引 这就是带有Multilndex索引的Series的格式化输出形式。索引之间的“间隔”表示“直 接使用上面的标签”： 对于一个层次化索引的对象，选取数据子集的操作很简单： * data.index MultiIndex(levels=[[ua, ub, uc, ud], [1, 2, 3]], labels=[[0, 0, 0, 1, 1, 1, 2, 2, 3, 3], [0, 1, 2, 0, 1, 2, 0, 1, 1, 2]]) data[b] 1 -0.934701 2 0.094732 3 0.659636 dtype: float64 data[b:c] b 1 -0.934701 2 0.094732 3 0.659636 c 1 -1.268955 2 1.925957 dtype: float64 层次化索引 有时甚至还可以在“内层”中进行选取： * data data[:, 2] a -1.664588 b 0.094732 c 1.925957 d -0.985724 dtype: float64 data.ix[[b, d]] b 1 -0.934701 2 0.094732 3 0.659636 d 2 -0.985724