今天來說說資料分析的Python modules — pandas
首先我們來安裝他
接下來我要介紹在pandas兩個資料結構 Series 和 DataFrame他們的宣告很簡單，而且樣式也是很簡單，首先是series
1
2
3
4
5
6
7
|
import pandas as pd
l = [1,2,3,56,7,7,73,3,3,2]
date = pd.date_range('20180731',periods=10)
s = pd.Series(l,index= date)
print(s)
|
print(s)接下來你就會看到
1
2
3
4
5
6
7
8
9
10
11
|
2018-07-31 1
2018-08-01 2
2018-08-02 3
2018-08-03 56
2018-08-04 7
2018-08-05 7
2018-08-06 73
2018-08-07 3
2018-08-08 3
2018-08-09 2
Freq: D, dtype: int64
|
所以series 很簡單，你可以想像成一個關係數列，然後之後我們可以藉由呼叫這個series的各種方法，如下
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
print(s.loc['20180731']) #因為index 是時間可以這樣呼叫=>1
print(s.loc['20180731':'20180802']) #因為index從2018-07-31到2018-08-02 的值
'''
2018-07-31 1
2018-08-01 2
2018-08-02 3
Freq: D, dtype: int64
'''
print(s.iloc[6]) #也可以用index喔（從0開始）-->73
print(s.iloc[5:7]) #iloc 最後一筆不算，所以會從5-6
'''
2018-08-05 7
2018-08-06 73
Freq: D, dtype: int64
'''
print(s.max()) #最大值 -->73
print(s.min()) #最小值 -->1
print(s.mean()) #平均值 -->15.7
print(s.std()) #標準差 -->26.106831800635376
|
還有其他的方法，請大家可以自行參考這裡。https://pandas.pydata.org/pandas-docs/version/0.23.4/generated/pandas.Series.html
再來，我要介紹關於dataframe的部分，dataframe簡單來說就是許多series組成的
1
2
3
4
5
6
7
8
9
|
import pandas as pd
date = pd.date_range('20181029',periods=3)
s1 = pd.Series([1,2,3],index=date)
s2 = pd.Series([4,5,6],index=date)
s3 = pd.Series([7,8,9],index=date)
df = pd.DataFrame() #empty dataframe
df = pd.DataFrame({'c1':s1,'c2':s2,'c3':s3})
print(df)
|
print df就會長得像這樣
1
2
3
4
|
c1 c2 c3
2018-10-29 1 4 7
2018-10-30 2 5 8
2018-10-31 3 6 9
|
同樣的，他也和series支援很多方法
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
df.loc['2018-01-05']
'''
c1 2
c2 5
c3 8
'''
df.loc['2018-01-01':'2018-01-02',['c1','c2']]
'''
c1 c2
2018-01-01 1 4
2018-01-02 2 5
'''
df.iloc[1:3,[2,1]]
'''
c3 c2
2018-01-02 8 5
2018-01-03 9 6
'''
|