Concatenação do Pandas

Exemplo de operação de conexão do Pandas

O Pandas oferece várias funcionalidades que permitem combinar facilmente Series, DataFrame e objetos Panel.

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

objs − Esta é uma sequência de Series ou mapeamento, DataFrame ou objeto Panel. axis − {0，1，...}，padrão 0. Este é o eixo a ser concatenado. join − {'inner', 'outer'}, padrão 'outer'. Como lidar com índices em outros eixos. Externo é junção, interno é interseção. ignore_index − Booleano, padrão False. Se verdadeiro, não use valores de índice no eixo de junção. O eixo resultante será marcado como 0, ... , n-1。 join_axes − Esta é uma lista de objetos de índice. Usado para outros (n-1)Índice específico do eixo, em vez de executar internamente/Lógica de configuração externa.

Objetos de conexão

Esta função CONCAT realiza todas as operações de junção ao longo do eixo. Vamos criar diferentes objetos e concatená-los.

　import pandas as pd
　one = pd.DataFrame({
　　　　'Nome': ['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({
　　　　'Nome': ['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])))

Resultados da Execução:

　　　　Marks_scored　　Name　　subject_id
1　　　　　　　　　　　　　98　　　　　Alex　　sub1
2　　　　　　　　　　　　　90　　Amy　　sub2
3　　　　　　　　　　　　　87　　　　Allen4
4　　　　　　　　　　　　　69　　　　Alice6
5　　　　　　　　　　　　　78　　　Ayoung5
1　　　　　　　　　　　　　89　　　　Billy2
2　　　　　　　　　　　　　804
3　　　　　　　　　　　　　79　　　　　Bran3
4　　　　　　　　　　　　　97　　　　Bryce6
5　　　　　　　　　　　　　88　　　　Betty5

假设我们想将特定的键与切碎的DataFrame的每个片段相关联。我们可以通过使用keys参数来做到这一点-

　import pandas as pd
　one = pd.DataFrame({
　　　　'Nome': ['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({
　　　　'Nome': ['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']))

Resultados da Execução:

x　　1　　98　　　　Alex1
　　　2　　902
　　　3　　87　　　　Allen4
　　　4　　69　　　　Alice6
　　　5　　78　　　　Ayoung5
y　　1　　89　　　　Billy2
　　　2　　804
　　　3　　79　　　　Bran3
　　　4　　97　　　　Bryce6
　　　5　　88　　　　Betty5

结果的索引是重复的；每个索引重复。

如果结果对象必须遵循其自己的索引，则将ignore_index设置为True。

　import pandas as pd
　one = pd.DataFrame({
　　　　'Nome': ['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({
　　　　'Nome': ['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))

Resultados da Execução:

　　　　Marks_scored
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

注意，索引完全更改，并且键也被覆盖。

如果需要沿axis = 1添加两个对象，则将添加新列。

　import pandas as pd
　one = pd.DataFrame({
　　　　'Nome': ['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({
　　　　'Nome': ['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))

Resultados da Execução:

　　　　Marks_scored
1　　　　　　　　　　　98　　　　　　Alex1　　　　　　　　　89　　　　　　　　　Billy2
2　　　　　　　　　　　902　　　　　　　　　804
3　　　　　　　　　　　87　　　　　Allen4　　　　　　　　　79　　　　　　　　　　Bran3
4　　　　　　　　　　　69　　　　　Alice6　　　　　　　　　97　　　　　　　　　Bryce6
5　　　　　　　　　　　78　　　　Ayoung5　　　　　　　　　88　　　　　　　　　Betty5

使用append串联

Concat有用的快捷方式是Series和DataFrame上的append实例方法。这些方法实际上早于concat。它们沿着轴= 0连接，即索引-

　import pandas as pd
　one = pd.DataFrame({
　　　　'Nome': ['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({
　　　　'Nome': ['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))

Resultados da Execução:

　　　　Marks_scored
1　　　　　　　　　　　98　　　　　　Alex1
2　　　　　　　　　　　902
3　　　　　　　　　　　87　　　　　Allen4
4　　　　　　　　　　　69　　　　　Alice6
5　　　　　　　　　　　78　　　　Ayoung5
1　　　　　　　　　　　89　　　　　Billy2
2　　　　　　　　　　　80　　　　　Brian　　　　　　sub4
3　　　　　　　　　　　79　　　　　　Bran　　　　　　sub3
4　　　　　　　　　　　97　　　　　Bryce　　　　　　sub6
5　　　　　　　　　　　88　　　　　Betty　　　　　　sub5

Esta funcionalidade pode aceitar múltiplos objetos, bem como-

　import pandas as pd
　one = pd.DataFrame({
　　　　'Nome': ['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({
　　　　'Nome': ['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]))

Resultados da Execução:

　　　　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

Série temporal

Pandas oferece uma ferramenta poderosa para lidar com dados de séries temporais, especialmente no campo financeiro. Ao lidar com dados de séries temporais, frequentemente nos deparamos com as seguintes situações:

Produzir uma ordem de tempo Converta séries temporais em diferentes frequências

Fornece uma série de ferramentas relativamente compactas e independentes para executar essas tarefas.

Obtém o tempo atual

datetime.now()Fornece a data e hora atuais.

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

Resultados da Execução:

2017-05-11　06:10:13.393147

Criação de um timestamp

O tipo de dados de timestamp é o tipo mais básico de série temporal que asocia valores com pontos no tempo. Para objetos Pandas, isso significa usar pontos no tempo. Vamos dar um exemplo-

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

Resultados da Execução:

2017-03-01　00:00:00

Também pode converter inteiros ou números de ponto flutuante como tempo. A unidade padrão é nanosegundo (porque é a forma como o timestamp é armazenado). No entanto, geralmente o era é armazenado em uma unidade especificada. Vamos dar um exemplo

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

Resultados da Execução:

　2020-04-24　00:14:15

Criação de intervalo de tempo

import pandas as pd
print(pd.date_range("11:00", "13:30", freq="3).time)

Resultados da Execução:

　[datetime.time(11, 0) datetime.time(11,　3) datetime.time(12, 0)
　datetime.time(12,　3) datetime.time(13, 0) datetime.time(13,　3, 0)

Alterar Frequência de Tempo

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

Resultados da Execução:

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

Converter para timestamp

Para converter séries ou listas de objetos de data semelhante (por exemplo, strings, tuples ou misturas) em séries ou listas semelhantes de data, você pode usar a função to_datetime. Ao passar, retornará uma Series (com o mesmo índice) e listas semelhantes a listas serão convertidas em DatetimeIndex. Veja o exemplo a seguir-

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

Resultados da Execução:

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

NaT representa não é tempo (equivalente a NaN)

Vamos dar outro exemplo.

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

Resultados da Execução:

DatetimeIndex(['2005-11-23', '2010-12-31', 'NaT'], dtype='datetime64[ns]