python

超轻量级php框架startmvc

Python学习笔记之pandas索引列、过滤、分组、求和功能示例

更新时间:2020-07-04 09:36:02 作者:startmvc
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

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 //www.jb51.net/article/162401.htm

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。


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()


# 执行
writeToCSV()

pandas 排序、索引列


# 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?


# 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


# 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:


print(pd.index) # 打印 索引

可以看出是DatetimeIndex的索引:


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


# 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


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

Python pandas 索引列 过滤 分组 求和