Pandas串联

Esempio di operazione di connessione di Pandas

Pandas fornisce diverse funzionalità che consentono di combinare facilmente Series, DataFrame e oggetti Panel.

　pd.concat(objs,axis=0,join='outer',join_axes=None,
　ignore_index=False)

objs − È una sequenza di Series o mappatura, DataFrame o oggetto Panel. axis − {0, 1, ...}, predefinito a 0. È l'asse da connettere. join − {'interno', 'esterno'}, predefinito a 'esterno'. Come gestire gli indici degli altri assi. Esterno è l'unione, interno è la croce. ignore_index − Valore booleano, predefinito a False. Se impostato su True, non utilizzare i valori di indice sull'asse di connessione. L'asse di risultato sarà etichettato come 0, ..., n-1. join_axes − È una lista di oggetti di indice. Utilizzata per l'indice specifico degli altri assi (n-1), non per eseguire la logica di impostazione interna/esterna.

Oggetto di connessione

La funzione CONCAT esegue tutte le operazioni di connessione lungo l'asse. Creiamo oggetti diversi e connettiamoli.

　import pandas as pd
　one　=　pd.DataFrame({
　　　　'Name':　['Alex',　'Amy',　'Allen',　'Alice',　'Ayoung'],
　　　　'subject_id':['sub1','sub2','sub4','sub6','sub5'],
　　　　'Marks_scored':[98,90,87,69,78]},
　　　　index=[1,2,3,4,5])
　two　=　pd.DataFrame({
　　　　'Name':　['Billy',　'Brian',　'Bran',　'Bryce',　'Betty'],
　　　　'subject_id':['sub2','sub4','sub3','sub6','sub5'],
　　　　'Marks_scored':[89,80,79,97,88]},
　　　　index=[1,2,3,4,5])
　print(pd.concat([one,two])))

运行结果如下：

　　　　Marks_scored　　　　　Name　　　subject_id
1　　　　　　　　　　　　　98　　　　　Alex　　　　　　　　　sub1
2　　　　　　　　　　　　　90　　　　　　Amy　　　　　　　　　sub2
3　　　　　　　　　　　　　87　　　　Allen　　　　　　　　　sub4
4　　　　　　　　　　　　　69　　　　Alice　　　　　　　　　sub6
5　　　　　　　　　　　　　78　　　Ayoung　　　　　　　　　sub5
1　　　　　　　　　　　　　89　　　　Billy　　　　　　　　　sub2
2　　　　　　　　　　　　　80　　　　Brian　　　　　　　　　sub4
3　　　　　　　　　　　　　79　　　　　Bran　　　　　　　　　sub3
4　　　　　　　　　　　　　97　　　　Bryce　　　　　　　　　sub6
5　　　　　　　　　　　　　88　　　　Betty　　　　　　　　　sub5

Supponiamo che vogliamo associare chiavi specifiche a ciascuna porzione del DataFrame spezzato. Possiamo farlo utilizzando il parametro keys-

　import pandas as pd
　one　=　pd.DataFrame({
　　　　'Name':　['Alex',　'Amy',　'Allen',　'Alice',　'Ayoung'],
　　　　'subject_id':['sub1','sub2','sub4','sub6','sub5'],
　　　　'Marks_scored':[98,90,87,69,78]},
　　　　index=[1,2,3,4,5])
　two　=　pd.DataFrame({
　　　　'Name':　['Billy',　'Brian',　'Bran',　'Bryce',　'Betty'],
　　　　'subject_id':['sub2','sub4','sub3','sub6','sub5'],
　　　　'Marks_scored':[89,80,79,97,88]},
　　　　index=[1,2,3,4,5])
　print(pd.concat([one,two],keys=['x','y']))

运行结果如下：

x　　1　　98　　　　Alex　　　　sub1
　　　2　　90　　　　Amy　　　　　sub2
　　　3　　87　　　　Allen　　　sub4
　　　4　　69　　　　Alice　　　sub6
　　　5　　78　　　　Ayoung　　sub5
y　　1　　89　　　　Billy　　　sub2
　　　2　　80　　　　Brian　　　sub4
　　　3　　79　　　　Bran　　　　sub3
　　　4　　97　　　　Bryce　　　sub6
　　　5　　88　　　　Betty　　　sub5

L'indice dei risultati è duplicato; ogni indice è duplicato.

Se l'oggetto dei risultati deve seguire il proprio indice, impostare ignore_index su True.

　import pandas as pd
　one　=　pd.DataFrame({
　　　　'Name':　['Alex',　'Amy',　'Allen',　'Alice',　'Ayoung'],
　　　　'subject_id':['sub1','sub2','sub4','sub6','sub5'],
　　　　'Marks_scored':[98,90,87,69,78]},
　　　　index=[1,2,3,4,5])
　two　=　pd.DataFrame({
　　　　'Name':　['Billy',　'Brian',　'Bran',　'Bryce',　'Betty'],
　　　　'subject_id':['sub2','sub4','sub3','sub6','sub5'],
　　　　'Marks_scored':[89,80,79,97,88]},
　　　　index=[1,2,3,4,5])
　print(pd.concat([one,two],keys=['x','y'],ignore_index=True))

运行结果如下：

　　　　Marks_scored　　　　　Name　　　　subject_id
0　　　　　　　　　　　　　98　　　　　Alex　　　　　　　　　　sub1
1　　　　　　　　　　　　　90　　　　　　Amy　　　　　　　　　　sub2
2　　　　　　　　　　　　　87　　　　Allen　　　　　　　　　　sub4
3　　　　　　　　　　　　　69　　　　Alice　　　　　　　　　　sub6
4　　　　　　　　　　　　　78　　　Ayoung　　　　　　　　　　sub5
5　　　　　　　　　　　　　89　　　　Billy　　　　　　　　　　sub2
6　　　　　　　　　　　　　80　　　　Brian　　　　　　　　　　sub4
7　　　　　　　　　　　　　79　　　　　Bran　　　　　　　　　　sub3
8　　　　　　　　　　　　　97　　　　Bryce　　　　　　　　　　sub6
9　　　　　　　　　　　　　88　　　　Betty　　　　　　　　　　sub5

Attenzione, l'indice viene completamente modificato e anche le chiavi vengono sovrascritte.

Se si desidera aggiungere due oggetti lungo axis = 1, verranno aggiunte nuove colonne.

　import pandas as pd
　one　=　pd.DataFrame({
　　　　'Name':　['Alex',　'Amy',　'Allen',　'Alice',　'Ayoung'],
　　　　'subject_id':['sub1','sub2','sub4','sub6','sub5'],
　　　　'Marks_scored':[98,90,87,69,78]},
　　　　index=[1,2,3,4,5])
　two　=　pd.DataFrame({
　　　　'Name':　['Billy',　'Brian',　'Bran',　'Bryce',　'Betty'],
　　　　'subject_id':['sub2','sub4','sub3','sub6','sub5'],
　　　　'Marks_scored':[89,80,79,97,88]},
　　　　index=[1,2,3,4,5])
　print(pd.concat([one,two],axis=1))

运行结果如下：

　　　　Marks_scored　　　　Name　　subject_id　　　Marks_scored　　　　Name　　　subject_id
1　　　　　　　　　　　98　　　　Alex　　　　　　sub1　　　　　　　　　89　　　　　　　　　Billy　　　　　　　　　sub2
2　　　　　　　　　　　90　　　　　　Amy　　　　　　sub2　　　　　　　　　80　　　　　　　　　Brian　　　　　　　　　sub4
3　　　　　　　　　　　87　　　　Allen　　　　　　sub4　　　　　　　　　79　　　　　　　　　　Bran　　　　　　　　　sub3
4　　　　　　　　　　　69　　　　Alice　　　　　　sub6　　　　　　　　　97　　　　　　　　　Bryce　　　　　　　　　sub6
5　　　　　　　　　　　78　　　　Ayoung　　　　　　sub5　　　　　　　　　88　　　　　　　　　Betty　　　　　　　　　sub5

Utilizzo di append per concatenare

Il modo rapido di usare Concat è tramite i metodi di appendimento su Series e DataFrame. Questi metodi sono in realtà precedenti a concat. Connessione lungo l'asse = 0, ossia l'indice-

　import pandas as pd
　one　=　pd.DataFrame({
　　　　'Name':　['Alex',　'Amy',　'Allen',　'Alice',　'Ayoung'],
　　　　'subject_id':['sub1','sub2','sub4','sub6','sub5'],
　　　　'Marks_scored':[98,90,87,69,78]},
　　　　index=[1,2,3,4,5])
　two　=　pd.DataFrame({
　　　　'Name':　['Billy',　'Brian',　'Bran',　'Bryce',　'Betty'],
　　　　'subject_id':['sub2','sub4','sub3','sub6','sub5'],
　　　　'Marks_scored':[89,80,79,97,88]},
　　　　index=[1,2,3,4,5])
　print(one.append(two)))

运行结果如下：

　　　　Marks_scored　Nome　subject_id
1　　　　　　　　　　　98　　　　　　Alex　　　　　　sub1
2　　　　　　　　　　　90　　　　　　　Amy　　　　　　sub2
3　　　　　　　　　　　87　　　　　Allen　　　　　　sub4
4　　　　　　　　　　　69　　　　　Alice　　　　　　sub6
5　　　　　　　　　　　78　　　　Ayoung　　　　　　sub5
1　　　　　　　　　　　89　　　　　Billy　　　　　　sub2
2　　　　　　　　　　　80　　　　　Brian　　　　　　sub4
3　　　　　　　　　　　79　　　　　　Bran　　　　　　sub3
4　　　　　　　　　　　97　　　　　Bryce　　　　　　sub6
5　　　　　　　　　　　88　　　　　Betty　　　　　　sub5

Questa funzione aggiuntiva può accettare più oggetti, e-

　import pandas as pd
　one　=　pd.DataFrame({
　　　　'Name':　['Alex',　'Amy',　'Allen',　'Alice',　'Ayoung'],
　　　　'subject_id':['sub1','sub2','sub4','sub6','sub5'],
　　　　'Marks_scored':[98,90,87,69,78]},
　　　　index=[1,2,3,4,5])
　two　=　pd.DataFrame({
　　　　'Name':　['Billy',　'Brian',　'Bran',　'Bryce',　'Betty'],
　　　　'subject_id':['sub2','sub4','sub3','sub6','sub5'],
　　　　'Marks_scored':[89,80,79,97,88]},
　　　　index=[1,2,3,4,5])
　print(one.append([two,one,two])))

运行结果如下：

　　　　Marks_scored　Nome　subject_id
1　　　　　　　　　　　98　　　　　Alex　　　　　　　　　　sub1
2　　　　　　　　　　　90　　　　　　Amy　　　　　　　　　　sub2
3　　　　　　　　　　　87　　　　Allen　　　　　　　　　　sub4
4　　69　　Alice　　sub6
5　　78　　Ayoung　　sub5
1　　89　　Billy　　sub2
2　　80　　Brian　　sub4
3　　79　　Bran　　sub3
4　　97　　Bryce　　sub6
5　　88　　Betty　　sub5
1　　　　　　　　　　　98　　　　　Alex　　　　　　　　　　sub1
2　　　　　　　　　　　90　　　　　　Amy　　　　　　　　　　sub2
3　　　　　　　　　　　87　　　　Allen　　　　　　　　　　sub4
4　　69　　Alice　　sub6
5　　78　　Ayoung　　sub5
1　　89　　Billy　　sub2
2　　80　　Brian　　sub4
3　　79　　Bran　　sub3
4　　97　　Bryce　　sub6
5　　88　　Betty　　sub5

sequenza temporale

Pandas fornisce strumenti potenti per gestire i dati sequenziali, specialmente nel campo finanziario. Quando si lavora con dati sequenziali, spesso ci si incontra con le seguenti situazioni:

genera un'ordine temporale converti una serie temporale in una frequenza diversa

fornisce un set di strumenti relativamente compatti e indipendenti per eseguire le suddette operazioni.

ottieni l'ora attuale

datetime.now()fornisci la data e l'ora attuale.

　import pandas as pd
　print(pd.datetime.now())

运行结果如下：

2017-05-11 06:10:13.393147

crea un timestamp

Il tipo di dati timestamp è il tipo di dati sequenziale più fondamentale che associ un valore a un punto temporale. Per gli oggetti Pandas, questo significa utilizzare il punto temporale. Facciamo un esempio -

import pandas as pd
print(pd.Timestamp('2017-03-01'))

运行结果如下：

2017-03-01 00:00:00

puoi anche convertire numeri interi o decimali come tempo. Il loro unità predefinita è nanosecondi (poiché è il modo in cui vengono memorizzati i timestamp). Tuttavia, di solito si memorizza l'era in un'altra unità specificabile. Ecco un altro esempio

import pandas as pd
print(pd.Timestamp(1587687255, unit='s'))

运行结果如下：

　2020-04-24 00:14:15

crea un intervallo di tempo

import pandas as pd
print(pd.date_range("11:00", "13:30", freq="30min").time)

运行结果如下：

　[datetime.time(11, 0) datetime.time(11, 30) datetime.time(12, 0)
　datetime.time(12, 30) datetime.time(13, 0) datetime.time(13, 30)

modifica la frequenza di tempo

import pandas as pd
print(pd.date_range("11:00", "13:30", freq="H").time)

运行结果如下：

[datetime.time(11, 0) datetime.time(12, 0) datetime.time(13, 0)]

转换为时间戳

若要将类似日期的对象的系列或类似列表的对象（例如字符串，历元或混合）转换，可以使用to_datetime函数。传递时，将返回一个Series（具有相同的索引），而类似列表的列表将转换为DatetimeIndex。看下面的实例-

import pandas as pd
print(pd.to_datetime(pd.Series(['Jul 31, 2009', '2010-01-10', None])))

运行结果如下：

　0 2009-07-31
　1 2010-01-10
　2 NaT
　dtype: datetime64[ns]

NaT表示非时间（相当于NaN）

让我们再举一个例子。

import pandas as pd
print(pd.to_datetime(['2005/11/23', '2010.12.31', None]))

运行结果如下：

DatetimeIndex(['2005-11-23', '2010-12-31', 'NaT'], dtype='datetime64[ns]', freq=None)