python中pandas有哪些功能特色
说明
1、按索引匹配的广播机制,这里的广播机制与numpy广播机制还有很大不同。
2、便捷的数据读写操作,相比于numpy仅支持数字索引,pandas的两种数据结构均支持标签索引,包括bool索引也是支持的。
3、类比SQL的join和groupby功能,pandas可以很容易实现SQL这两个核心功能,实际上,SQL的绝大部分DQL和DML操作在pandas中都可以实现。
4、类比Excel的数据透视表功能,Excel中最为强大的数据分析工具之一是数据透视表,这在pandas中也可轻松实现。
5、自带正则表达式的字符串向量化操作,对pandas中的一列字符串进行通函数操作,而且自带正则表达式的大部分接口。
丰富的时间序列向量化处理接口。
常用的数据分析与统计功能,包括基本统计量、分组统计分析等。
集成matplotlib的常用可视化接口,无论是series还是dataframe,均支持面向对象的绘图接口。
实例
importnumpyasnp importpandasaspd #创建一个符合正态分布的10个股票5天的涨跌幅数据 stock_change=np.random.normal(0,1,(10,5)) pd.DataFrame(stock_change) #添加行索引 stock=["股票{}".format(i)foriinrange(10)] pd.DataFrame(stock_change,index=stock) #添加列索引 date=pd.date_range(start="20200101",periods=5,freq="B") data=pd.DataFrame(stock_change,index=stock,columns=date) #属性 print(data.shape) print(data.index) print(data.columns) print(data.values) data.T#行列转置 #方法 data.head(3)#开头3行 data.tail(2)#最后2行
以上就是python中pandas功能特色的介绍,希望对大家有所帮助。更多python学习指路:python基础教程
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。