python数据科学包（四）—— pandas的io、时间处理以及可视化

目录

一. 文件读写

载入数据到pandas
	索引：将一个列或多个列读取出来构成 DataFrame，其中涉及是否从文件中读取索引以及列名
	类型推断和数据转换：包括用户自定义的转换以及缺失值标记
	日期解析
	迭代：针对大文件进行逐块迭代。这个是Pandas和Python原生的csv库的最大区别
	不规整数据问题：跳过一些行，或注释等等

索引及列名

处理不规则的分隔符

缺失值的处理

逐块读取数据

保存数据到磁盘

二进制格式
二进制的优点是容量小，读取速度快。缺点是可能在不同版本间不兼容。比如 Pandas 版本升级后，早期版本保存的二进制数据可能无法正确地读出来。

二. 时间处理

时间序列
基础：python的datetime
创建日期序列
pd.date_range(‘20190901’, periods=7， normalize=True， freq=‘24H’) # 包含从20190901及其以后7个间隔为24h（默认）的序列，并只保留到日
时期
pd.Period(2010)
创建时期序列
pd.period_range(‘20190901’, periods=7 ， freq=‘24H’)
频率转换
pd.Period.asfreq(‘频率标识’)
重采样
ts.resample(‘5min’, how=‘sum’ label=‘left’/‘right’)
统计开盘收盘
how=‘ohlc’

三. 数据可视化

notebook内显示
%matplotlib inline
线型图
.plot(title=’’, style=’’, figsize=(,), subplot=True/False)
柱状图
.plot.bar()
直方图
.hist(bins=多少等分)
概率密度
.plot.kde()
散点图
.plot.scatter()
饼图
.plot.pie()