Python学习笔记之pandas索引列、过滤、分组、求和功能示例

时间:2022-11-02 07:48:15

本文实例讲述了python学习笔记之pandas索引列、过滤、分组、求和功能。分享给大家供大家参考,具体如下:

解析html内容,保存为csv文件

http://www.zzvips.com/article/174764.html

前面我们已经把519961(基金编码)这种基金的历史净值明细表html内容抓取到了本地,现在我们还是需要 解析html,取出相关的值,然后保存为csv文件以便pandas来统计分析。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
from bs4 import beautifulsoup
import os
import csv
# 使用 beautifulsoup 解析html内容
def getfunddetaildata(html):
  soup = beautifulsoup(html,"html.parser")
  rows = soup.find("table").tbody.find_all("tr")
  result = []
  for row in rows:
    tds=row.find_all('td')
    result.append({"fcode": '519961'
            ,"fdate": tds[0].get_text()
           , "nav": tds[1].get_text()
           , "accnav": tds[2].get_text()
           , "dgr": tds[3].get_text()
           , "pstate":tds[4].get_text()
           , "rstate": tds[5].get_text()
           }
         )
  return result
# 把解析之后的数据写入到csv文件
def writetocsv():
  data_dir = "../htmls/details"
  all_path = os.listdir(data_dir)
  all_result = []
  for path in all_path:
    if os.path.isfile(os.path.join(data_dir,path)):
      with open(os.path.join(data_dir,path),"rb") as f:
        content = f.read().decode("utf-8")
        f.close()
        all_result = all_result + getfunddetaildata(content)
  with open("../csv/519961.csv","w",encoding="utf-8",newline="") as f:
    writer = csv.writer(f)
    writer.writerow(['fcode', 'fdate', 'nav', "accnav", 'dgr', 'pstate', "rstate"])
    for r in all_result:
      writer.writerow([r["fcode"], r["fdate"], r["nav"], r["accnav"], r["dgr"], r["pstate"], r["rstate"]])
    f.close()
?
1
2
# 执行
writetocsv()

pandas 排序、索引列

?
1
2
3
4
5
6
7
# coding: utf-8
import pandas
if __name__ == "__main__" :
  # 读取csv文件 创建pandas对象
  pd = pandas.read_csv("./csv/519961.csv", dtype={"fcode":pandas.np.str_}, index_col="fdate") # 把 fdate 这列设置为 索引列
  # 根据索引列 倒序
  print(pd.sort_index(ascending=false))

既然fdate列设置为了索引列,那么如果根据索引获取呢?

?
1
2
3
4
# 读取csv文件 创建pandas对象
pd = pandas.read_csv("./csv/519961.csv", dtype={"fcode":pandas.np.str_}, index_col="fdate") # 把 fdate 这列设置为 索引列
pd.index = pandas.to_datetime(pd.index)
print(pd["2017-11-29 "]) # 2017-11-29 519961 1.189  1.189 -1.00% 限制大额申购  开放赎回

2、直接指定fdate列就是日期类型

?
1
2
3
# 读取csv文件 创建pandas对象
pd = pandas.read_csv("./csv/519961.csv", dtype={"fcode":pandas.np.str_}, index_col="fdate", parse_dates=["fdate"]) # 指明fdate是日期类型
print(pd["2017-11-29 "]) # 2017-11-29 519961 1.189  1.189 -1.00% 限制大额申购  开放赎回

打印索引:

?
1
print(pd.index) # 打印 索引

可以看出是datetimeindex的索引:

?
1
2
3
4
5
6
7
8
datetimeindex(['2015-08-13', '2015-08-12', '2015-08-11', '2015-08-10',
        '2015-08-07', '2015-08-06', '2015-08-05', '2015-08-04',
        '2015-08-03', '2015-07-31',
        ...
        '2015-07-02', '2015-07-01', '2015-06-30', '2015-06-29',
        '2015-06-26', '2015-06-25', '2015-06-24', '2015-06-23',
        '2015-06-19', '2015-06-18'],
       dtype='datetime64[ns]', name='fdate', length=603, freq=none)

3、索引的高级用法

?
1
2
3
4
5
6
7
8
9
# 取出 2017年7月的 全部数据
print(pd["2017-07"])
# 取出 2017年7月到9月的 数据
print(pd["2017-07":"2017-09"])
# 到2015-07的数据
print(pd[:"2015-07"])
# 取出截至到2015-07的数据
# 然后 倒序
print(pd[:"2015-7"].sort_index(ascending=false))

获取基金日增长率下跌次数最多的月份

?
1
2
3
4
5
6
7
8
result = pd[pd["dgr"].notnull()] # dgr一定要有值
# 过滤掉dgr值里的%号,最后取出小于0的值(负数就表示增长率下跌了 )
result = result[result['dgr'].str.strip("%").astype(pandas.np.float)<0]
# 按照月份 统计dgr跌的次数
result = result.groupby(lambda d:d.strftime("%y-%m")).size()
# 对dgr跌的次数 倒序,然后取出前面第一个
result = result.sort_values(ascending=false).head(1)
print(result) # 2016-04  12 意思就是2016年4月份 是该基金dgr下跌次数最多的月份

希望本文所述对大家python程序设计有所帮助。

原文链接:https://blog.csdn.net/github_26672553/article/details/78676520