pandas库与numpy库

前言

pandas库跟numpy库都是python之中的用于数据分析的非常好用的库，但numpy处理的文件有限，只能处理只能读取txt文件和csv文件，在要处理较多数据时我们一般用pandas库从excel中读取数据。

一.numpy库的的文件操作

(1)把文件中的数据写入作为数组

首先在文件实用.txt里面写入一串数据，注意由于是用程序语言自己从其中读取数据，格式要求十分严格，这些数据一定要全部是数字，有表头的话要去掉表头，而且不能有多余的空格。
再利用loadtxt读入即可，注意它有个参数delimiter，意思是说分隔符是什么，txt默认为空格，csv默认为逗号。

数组A如下，全部是浮点数。

(2)将数组写入txt文件

可以通过savetxt写入文件，loadtxt有几个参量，fmt,delimiter。fmt就是format，就是控制位数问题，delimiter就是写入每个数据后的分隔号。
文件如下，’%0.3f’表示保留三位小数。

二.pandas库的有关数据操作

pandas的对象是DataFrame，它是一个面向列的二位数表结构。

(1)关于excel数据的导入

先在excel里面导入一系列数据

利用pandas库里面的read_excel导入数据，注意表头也会被导入，而且是从0行开始的，若excel里面没有表头，制定header=None就可，这个就比numpy灵活，可以导入表头。

(2)将数据写入excel

直接用to_excel即可，由于导出的A是有index的，我们希望写入的数据不从0开始，所以指定index=False。注意写入的数据类型一定要是DataFrame类型的。

(3)DataFrame的检索

DataFrame的检索有三种，分别为[]与.列名，.loc，.iloc。

1.[]与.列表检索

这个检索就是基于列名的检索(只能用于列的索引哦)，可以像numpy那样单值检索，也可以列表检索和布尔型检索

A['收盘'] #等价于A.收盘 注意不用加字符串哦
A[['收盘','开盘']] #就像numpy中的列表索引一样可以指定检索哪几行
A[A['收盘']>2800] #这就是布尔型索引返回收盘价格大于2800的那些行 自行理解一下

2. .loc

.loc是基于行名称与列名称的检索，有点像numpy库的切片索引，还是像numpy库一样，不熟悉numpy库四种检索方式的朋友可以去看看我的另外一篇博客 numpy库。

A.loc[0,'收盘']#行切第一行，列为收盘列
A.loc[1:3,'开盘','最低'] #切1,2,3行，开盘，最低列
A.loc[A.开盘>2800,['最低','最高']] #取开盘值大于2800的行并取最低与最高列

注意的一点是，用.loc切片时区间是闭区间。
若只提供一个维度的索引则默认为行索引，这一点与numpy也是类似的

3. .iloc

.iloc是基于行序列与列序列的检索，与上面的.loc是不同的，相比较之下这个更加方便。

A.iloc[1:3,2:4] #取出其中的第序列为1,2的行,序列为2,3的行
A.iloc[list(A.开盘>2800),2:4] #如果有布尔索引要用list转一下

关于为什么要用列表转一下，因为A.开盘>2800跟numpy一样返回的是布尔类型的DaraFrame。即既有True与False，转为列表后对应的序列就是行序列。又因为python里面的东西都是对象，对象不为空或者False都可以继续进行，则进行迭代后，只有True的序列被输出出来即4 5 8。
且iloc只能接收布尔型或者整型。

注意此时用的iloc它的切片是跟以前一样左闭右开的，单维度索引仍是对行的。