博客

Pandas数据导出

1、导出Excel：

• 举例：
  • 代码：df.to_excel(‘./data/text_01.xlsx’, sheet_name=‘订单明细’, index=False)
  • 解释：将df数据导入到相对路径为’./data/text_01.xlsx’的文件中，其中数据表名称为’订单明细’，去除之前的索引

2、导出CSV：

• 举例：
  • 代码：df.to_csv(‘export_02.csv’, encoding=‘utf_8_sig’, index=False)
  • 解释：类似上面的导出excel

3、导出Txt：

• 举例：
  • 代码：df.to_csv(‘export_03.txt’, sep=‘\t’, encoding=‘utf_8_sig’, index=False)
  • 解释：类似上面的导出excel，sep=’\t’表示用制表符分隔数据，encoding=’utf_8_sig’表示编码格式

4、导出Json：

• 举例：
  • 代码：df.to_json(‘export_04.json’, orient=‘split’, force_ascii=False)
  • 解释：类似上面的导出excel，orient是json中存放数据的形式有很多{‘split’, ‘records’, ‘index’, ‘columns’, ‘values’, ‘table’}，force_ascii设置为False，则force_ascii编码就会失效，否则默认force_ascii编码的话，中文就会被加密，显示不出来。

4、导出到数据库：

• 说明：本质就是模拟了一个sql添加表的过程
• 注意：要导入到数据库中要保证有对应的两个python库，没有的话在对应环境中执行下面语句装一下：
  • pip install sqlalchemy
  • pip install pymysql
• 举例：
  
  

日期数据处理

1、日期解析

• 日期解析举例：
  
  

• 日期组合举例：
  
  

• 提取日期举例：注意dt表示时间类型，类似于字符串的str，在dt中集合了时间处理的相关方法
  
  

• 日期切片：
  
  

• 重采样举例：

  • 说明：重采样相当于按照日期分组聚合，重采样的前提是把日期对应的列先设为索引
  • 按年统计：
    
    
  • 按季度统计：
    
    
  • 按月统计：
    
    

• OHLC函数：一般股市用的比较多
  
  

样本采样

1、sample函数

tb = pd.DataFrame(
    data=[['貂蝉', 4],
          ['西施', 3],
          ['王昭君', 2],
          ['杨玉环', 1]],
    columns=['贵妃', '权重'])
# n：抽样数量
# frac：抽样比例，如果设置抽样比例就不用设置n，抽样比例为0.5，表示从所有样本中抽出1/2
# replace：是否重复抽样，默认否
# weights：抽样权重，选取数据中某一列作为抽样权重，权重大的抽样概率高
# random_state：随机种子
# axis：指定轴，一半不设定，就按照默认的抽行数据