數據處理的王者 Pandas－Python 套件使用(二)

目錄 Content 隱藏

一、前言

二、基本使用

1. Serise:

2. Dataframe:

三、小結

一、前言

嗨大家好，這章節就要帶給大家 Python的核心：Pandas，如果說 Python 之所以可以成為數據處理的王者，這套件功不可沒啊！

這套件所能帶來的方便程度，從數據處理、自動分類、做表格、補缺值等等，基本上只有你想不到，沒有他做不到的，如此強大的套件，肯定得趕快來一探究竟，

這套件功能非常多，所以我會將其分成幾個章節來講，其中原因也很簡單，因為功能繁雜，故每章節如果啥都抓再一起講，這會讓文章太長而且顯得很混亂，話不多說馬上開始！

追蹤量化通的粉絲專頁「量化通QuantPass」即時獲取實用的資源！

二、基本使用

Pandas 由兩個主要內容組成：Series 與 DataFrame。前者可以理解成 Excel 表格中的欄位（從上到下一整串），後者可以理解成一整張表格。

因為此套件不是 Python 內建，所以要使用前，須先執行安裝 pip install pandas，或點擊 Pycharm 左下方的 Terminal，輸入 pip install pandas ，等待它跑一下就可以快速完成安裝。

這邊也需要說一下，如果是 mac M1 系列的 user，因為 Pandas 在我寫這篇文章的時候，似乎還沒有完全跟 M1 系統整合好，所以安裝時會特別久，這是正常的，別太緊張哦！

1. Serise:

可以把 Serise 想成一欄 EXCEL 的欄位，只有每個資料的順序，以及該位置的值，欄位就只有一欄，這樣比較好理解

import pandas as pd

# series系列
series_1 = pd.Series([4, 6, 1, 3])  # 將一個 list 裝進 pandas 內
print(series_1)

結果：（還會告訴你那些值是屬於哪種型別）

0    4
1    6
2    1
3    3
dtype: int64

serise 的操作有以下幾種方式：

import pandas as pd
weight = pd.Series([64, 48, 82, 104], index=['jack', 'jimmy', 'john', 'joe'])
print(weight)
print(weight[0])
print(weight[1:3])
print(weight['joe'])

是不是看起來很間單，很像是 list的操作方式卻又可以用 dict的方式操作對吧？就是那麼神奇，pandas 會自動根據你的呼叫方式，去判斷現在應該做哪些動作。

所以如果你不是非常確定資料丟進去會長成怎樣的話，別擔心，直接丟進去就對了，他會幫你想辦法的！

那直接看結果，這邊比較簡單，所以程式對照一下就可以理解囉：

# print(weight)
jack      64
jimmy     48
john      82
joe      104
dtype: int64
#針對四個數值給予對應名稱，與字典的概念類似，而並非只是使用數據。以上的資料仍有順序存在。

# print(weight[0])
64
# 輸入指令選擇序位0時，則會回傳位在序位0的數值，雖然index函式中有改每一筆資料的名稱，但回傳資料仍只會輸出值。

# print(weight[1:3])
jimmy    48
john     82
dtype: int64
# 這裡的語法邏輯跟list相同做切片，但當內容不只一項時，會顯示index與value的結果。


# print(weight['joe'])
104
# 同時具備有序對的鍵值資料庫（key-value）用法，除了呼叫位置外，也能對應key的位置輸出value！

2. Dataframe:

這邊開始就是重頭戲囉！因為多數時候，我們的資料都很難只是一個欄位就可以處理。

例如會員資料，可能就會帶上名稱、帳號、餘額等等屬於該會員的多數資料，所以當會員人數很多時，就會是表格形式呈現囉

所以當一個欄位完成後，多個欄位就成了雙維度資料（DataFrame），假設以下是一份字典資料，其中每個key都對應一筆清單形式的值：

import pandas as pd
dic = {
    "date": ['2020/10/15', '2020/10/16', '2020/10/17', '2020/10/18', '2020/10/19',    '2020/10/20', '2020/10/21'],
    "open": [200, 300, 400, 500, 600, 700, 800],
    "close": [150, 250, 350, 450, 550, 650, 750],
}
df = pd.DataFrame(dic)
# 指定index
df = pd.DataFrame(dic, index=df['date']) 

# print出最前面五筆資料
print(df.head(5))  
# print出最後面五筆資料
print(df.tail(5))

將相關資料做成表格後，最重要的就是 index 要改成我們可以 call 的資料，因為 index在處理上比較少使用 0,1,2… 來處理

更多的是直接設定 index = 某個欄位(以範例而言是date的欄位)，然後後續像是字典般的直接 call 來用就可以囉：