数学之路-python数据处理(1)

Pandas基础

import pandas aspd

import numpy as np

#数字序列

myseries=pd.Series([1,3,5,np.nan,6,8])

print myseries

#日期序列

mydate=pd.date_range(‘20150101‘,periods=42)

print mydate

生成序列

结果如下：

0    1

1    3

2    5

3  NaN

4    6

5    8

dtype: float64

<class‘pandas.tseries.index.DatetimeIndex‘>

[2015-01-01, ..., 2015-02-11]

Length: 42, Freq: D, Timezone: None

生成数据集

本博客所有内容是原创，如果转载请注明来源

http://blog.csdn.net/myhaspl/

# -*- coding:utf-8 -*-

"""

Created on Mon Mar 09 11:21:02 2015

@author: [email protected]

"""

print u"python数据分析\n"

import pandas as pd

import numpy as np

#日期序列

mydate=pd.date_range(‘20150101’,periods=10)

print mydate

#构造商品销量数据

mydf =pd.DataFrame(np.random.randint(0,1000,size=(10,4)),index=mydate,columns=[u‘商品A‘,u‘商品B‘,u‘商品C‘,u‘商品D‘])

#输出商品销量数据

print mydf

运行结果如下：

runfile(‘C:/Users/Administrator/Desktop/test1.py‘,wdir=r‘C:/Users/Administrator/Desktop‘)

python数据分析

<class‘pandas.tseries.index.DatetimeIndex‘>

[2015-01-01, ..., 2015-01-10]

Length: 10, Freq: D, Timezone: None

商品A  商品B  商品C  商品D

2015-01-01 369  836  908 440

2015-01-02  257  26  725  542

2015-01-03 485  694  701 172

2015-01-04 468  762  536 735

2015-01-05 828  996  852 267

2015-01-06 690  824  515 749

2015-01-07 357  740  559 157

2015-01-08 705  573  193 568

2015-01-09 285  853  600 132

2015-01-10 681  437  935  93