80%原则。

一、Series、

2.Pandas Series和DataFrame是什么？【Pandas入门教程2】

什么是Series？就是带有标签（index）的一位数组。

s = pd.Series([1,2,3,4,5], index=['a', 'b', 'c', 'd', 'e'])

a    1
b    2
c    3
d    4
e    5
dtype: int64

2_Series.ipynb

二、DataFrame

什么是DataFrame？由各种数据类型的列组成的。

这里面的'one', 'two', 'country' 就是数据结构中的列， 没有指定索引，默认从0开始递增。

dit = {
    'one': [1,2,3,4], 
    'two': [7,6,5,4], 
    'country': ['China', 'jpan', ' canan', np.nan]
}
df = pd.DataFrame(dit)
df
	one	two	country
0	1	7	China
1	2	6	jpan
2	3	5	canan
3	4	4	NaN

2_DataFrame

2.1、DataFrame的api

• 使用nbviewer或GitHub链接查看整个Notebook。

• 使用Jupyter Book生成交互式文档，或者通过nbconvert将Notebook转换为HTML并嵌入。

2.1.1、df.asfreq('MS')

asfreq是一个在pd时间序列数据分析中常用的方法，这个方法用于改变时间序列的频率，可以帮我将一个时间序列从一个频率转化为另外一个频率。

import pandas as pd

# 创建一个日期范围
date_range = pd.date_range('2025-01-01', periods=5, freq='2D')
df = pd.DataFrame({'value': [1, 2, 3, 4, 5]}, index=date_range)
df

# 将频率转换为每日
df_resampled = df.asfreq('D', method='ffill')  # 向前填充 bfill
print(df_resampled)

2.2、DataFrame操作文件

【pandas】 之 DataFrame 保存为文件 (df.to_csv、df.to_json、df.to_html、df.to_excel)

• pd.to_csv()

df.to_csv("resource/" + file_name + ".csv")

• pd.read_csv()
• pd.to_json()
• pd.read_json()
• pd.to_excel()
• pd.read_excel()

二、索引、过滤（Indexing、Filtering）

视频教程：3.DataFrame Indexing, Filtering【Pandas入门教程3】

Jupyter Notebook 代码：3_indexing_filtering.ipynb

三、排序、更新行列（Sorting、 Updating）

视频教程：DataFrame的排序和数据更新 Sorting, Updating Records【Pandas入门教程4】

四、合并和分组（Concatenation、Grouping）

视频教程：聚合, 分组, 数据清理 Aggregating, Grouping, Data Cleaning【Pandas入门教程5】

五、数据清理（Data Cleaning）

六、数据可视化（Ploting）

七、问题总结

7.1 No frequency information was provided, so inferred frequency MS will be used.

Pandas ValueWarning: No frequency information was provided, so inferred frequency MS will be used错误

大概意思就是使用时间作为index，但是没有制定时间的跨度，及时freq这个属性，pd默认生成freq='MS'的索引。

涉及到的函数：

pd.date_range('20240101', '20241201', freq="MS")
- M：月份末尾
- MS：月份开头
- A：年末
- AS：年初
- W：周末
- D：天

np.random.randm(len())
pd.Series(values, index=idx)

7.2、获取某个时间段内的数据

pandas提取某段时间范围数据的五种方法，比如提取9月份数据

import pandas as pd 
df = pd.read_csv('./TianQi.csv')
 
#获取九月份数据的几种方法
#使用行索引切片，['2019/9/1':'2019/9/30']，缺点是要求日期必须是连续的。
df.set_index('日期',inplace=True)
print(df['2019/9/1':'2019/9/30'].head())    # 或者print(df.loc['2019/9/1':'2019/9/30',:])

Changelog

6/3/25, 1:49 AM

View All Changelog

• d3a6d-Merge branch 'dev1'on 6/3/25