大数据技术在财务中的应用(Python版） 课件 任务4.1 Pandas的基本操作.pptx

;;;引入案例;知识解析;Pandas包含Series和DataFrame两种数据类型，其中DataFrame数据类型就相当于Excel表格数据的行和列，而Series数据类型就相当于Excel表中的一列或一行。;1.Series对象的创建;【做中学4.1.1】编写程序，分别利用列表、一维数组和字典创建Series。;2.Series对象的数据查询;查询方式;查询方式;3.Series对象的修改、增加及删除;操作;DataFrame数据结构如下图所示，与Series类似，也是由索引和数据构成，不同的是，DataFrame的索引不仅有行索引，还有列索引。行索引用index表示，列索引用columns表示，如果没有传入行索引或列索引，DataFrame会默认自动创建一个从0开始的整数索引，这种索引称为自动索引或原始索引。行索引位于最左边一列，而列索引位于最上面一行。;4.1.2DataFrame创建方法与属性;创建方法;【做中学4.1.2】拟创建如下图所示的DataFrame对象，可以采用的创建方法如下表所示。;二、DataFrame的属性;4.1.3DataFrame的基本操作;索引操作;索引操作;【做中学4.1.3】编写程序实现下图所示DataFrame对象索引的变化。;二、新增列数据;【做中学4.1.4】编写程序，要求采用三种不同的方法实现下图中DataFrame对象列的增加。;三、删除列数据;【做中学4.1.5】编写程序以下操作：对【做中学4.1.4】最终生成的DataFrame对象df使用del、pop()、drop()方法进行删除操作，如下图所示。;四、行数据的增加和删除;四、DataFrame的转置及数据类型转换;（2）对df进行转置操作。程序如下：

df.T#转置操作，T为转置运算符;4.1.3DataFrame的简单运算;二、DataFrame的简单运算;importnumpyasnp#导入Numpy模块

importpandasaspd#导入Pandas模块

data={公司:[一分厂,二分厂,三分厂],

收入:[2000000,1500000,1300000],

成本:[1650000,1350000,1050000]}

df=pd.DataFrame(data)

df[毛利]=df[收入]-df[成本]

df[毛利率]=df[毛利]/df[收入‘]

df#查看df;4.1.3Pandas读写外部文件;read_excel()函数常用参数说明;read_excel()函数常用参数说明;利用to_excel()函数可以实现将DataFrame对象存储为Excel文件，其语法格式如下：

DataFrame.to_excel(excel_writer,sheet_name=Sheet1,na_rep=,float_format=None,columns=None,header=True,index=True,index_label=None,startrow=0,startcol=0,engine=None,merge_cells=True,encoding=None,inf_rep=inf,verbose=True,freeze_panes=None);【做中学4.1.10】利用Pandas模块读入fin_data1.xlsx（位置：E:\file\）中的第一个表格，根据数据表中的数据计算毛利和毛利率，然后将加工过的表格导出一个新的excel文件，存放位置为：E:\file\，命名为fin_data2.xlsx。;根据DataFrame对象df计算毛利和毛利率。其程序如下：

df[毛利]=df[营业收入]-df[营业成本]

df[毛利率]=df[毛利]/df[营业收入]

df.head()#默认查看df的前5行数据;二、读写CSV文件;CSV文件的存储可以通过Pandas库中的to_csv()函数实现，其语法格式如下：

DataFrame.to_csv(path_or_buf=None,sep=,,na_rep=,float_format=None,columns=None,header=True,index=True,index_label=None,mode=w,encoding=None,…);【做中学4.1.11】解析如下：;计算营业净利率。程序如下：

df[营业净利率]=df[净利润]/df[营业收入]

df.head()#查看df前5行数据;将df存储为一个新的CSV文件。程序如下：

df.to_csv(rE:\file\fin_data1.csv,index=False);案例解析