Python金融數據分析與挖掘（微課版） 課件 3-4.常用函數

第3章

數據處理包Pandas時間處理函數數據框合并函數數據框關聯函數時間處理函數第3章

to_datetime()函數主要是將字符串型的日期轉換為時間戳的格式。方便后續(xù)的數據處理，比如提取其所屬年份、月份、周數、日期、小時、分鐘、秒、星期幾等簡單調用形式為to_datetime(S,format)，其中S為待求的日期字符串或日期字符串列表或日期字符串序列，format為日期字符串格式，默認缺省importpandasaspdt1=pd.to_datetime('2015-08-0105:50:43.000001',format='%Y-%m-%d%H:%M:%S.%')t2=pd.to_datetime(['2015-08-0105:50:43','2015-08-0105:51:40'])t3=pd.to_datetime(['2015-08-01','2015-08-02'])t4=pd.to_datetime(pd.Series(['2015-08-01','2015-08-02']))時間處理函數第3章

執(zhí)行結果如下數據框合并函數第3章

對兩個數據框進行水平合并、垂直合并是數據處理與整合中常見的操作，這里介紹concat()函數，可以通過設置軸（Axis）為1或0實現importpandasaspdimportnumpyasnpdict1={'a':[2,2,'kt',6],'b':[4,6,7,8],'c':[6,5,np.nan,6]}dict2={'d':[8,9,10,11],'e':['p',16,10,8]}dict3={'a':[1,2],'b':[2,3],'c':[3,4],'d':[4,5],'e':[5,6]}df1=pd.DataFrame(dict1)df2=pd.DataFrame(dict2)df3=pd.DataFrame(dict3)deldict1,dict2,dict3df4=pd.concat([df1,df2],axis=1)#水平合并df5=pd.concat([df3,df4],axis=0)#垂直合并，有相同的列名，index屬性伴隨原數據框df5.index=range(6)#重新設置index屬性數據框合并函數第3章

執(zhí)行結果如下數據框關聯函數第3章

merge()函數類似于數據庫中的SQL關聯操作語句，指定關聯字段之后可進行內連接（InnerJoin）、左連接（LeftJoin）和右連接（RightJoin）等數據操作importpandasaspddict1={'code':['A01','A01','A01','A02','A02','A02','A03','A03'],'month':['01','02','03','01','02','03','01','02'],'price':[10,12,13,15,17,20,10,9]}dict2={'code':['A01','A01','A01','A02','A02','A02'],'month':['01','02','03','01','02','03'],'vol':[10000,10110,20000,10002,12000,21000]}df1=pd.DataFrame(dict1)df2=pd.DataFrame(dict2)deldict1,dict2df_inner=pd.merge(df1,df2,how='inner',on=['code','month']) #內連接df_left=pd.merge(df1,df2,how='left',on=['code','month']) #左連接d