Python金融数据分析与挖掘（微课版） 课件 3-4.常用函数.pptx

第3章数据处理包Pandas时间处理函数数据框合并函数数据框关联函数

时间处理函数第3章to_datetime()函数主要是将字符串型的日期转换为时间戳的格式。方便后续的数据处理，比如提取其所属年份、月份、周数、日期、小时、分钟、秒、星期几等简单调用形式为to_datetime(S,format)，其中S为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为日期字符串格式，默认缺省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]))

时间处理函数第3章执行结果如下

数据框合并函数第3章对两个数据框进行水平合并、垂直合并是数据处理与整合中常见的操作，这里介绍concat()函数，可以通过设置轴（Axis）为1或0实现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属性伴随原数据框df5.index=range(6)#重新设置index属性

数据框合并函数第3章执行结果如下

数据框关联函数第3章merge()函数类似于数据库中的SQL关联操作语句，指定关联字段之后可进行内连接（InnerJoin）、左连接（LeftJoin）和右连接（RightJoin）等数据操作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]) #内连接df_left=pd.merge(df1,df2,how=left,on=[code,month]) #左连接df_right=pd.merge(df1,df2,how=right,on=[code,month]) #右连接

数据框关联函数第3章执行结果如下