🏆🏆🏆教程全知识点简介：1.机器学习常用科学计算库包括基础定位、目标。2. 人工智能概述涵盖人工智能应用场景、人工智能小案例、人工智能发展必备三要素、人工智能机器学习和深度学习。3. 机器学习概述包括机器学习工作流程、什么是机器学习、模型评估（回归模型评估、拟合）、Azure机器学习模型搭建、完整机器学习项目流程。4. 机器学习基础环境安装与使用包括Jupyter Notebook使用（一级标题、Jupyter Notebook中自动补全代码等相关功能拓展）。5. Matplotlib可视化涵盖Matplotlib HelloWorld（什么是Matplotlib、实现简单Matplotlib画图折线图、画出温度变化图、准备数据、创建画布、绘制折线图、显示图像、构造x轴刻度标签、修改坐标刻度显示、设置中文字体、设置正常显示符号、保存图片）、添加坐标轴刻度、添加网格显示、添加描述信息、图像保存、设置图形风格、常见图形绘制（常见图形种类意义、散点图绘制）。6. Numpy包括Numpy优势、N维数组ndarray（ndarray属性）、基本操作（生成数组方法、生成0和1数组、从现有数组生成、创建符合正态分布股某票涨跌幅数据）、数组间运算（数组与数的运算）。7. Pandas数据结构包括Series、DataFrame。8. 文件读取与存储涵盖CSV（read_csv）、HDF（read_hdf与to_hdf）、JSON（read_josn）。9. 高级处理数据离散化包括为什么要离散化、什么是数据离散化、股某票涨跌幅离散化（读取股某票数据、将股某票涨跌幅数据进行分组、股某票涨跌幅分组数据变成one_hot编码）、案例实现。

---

📚📚👉👉👉本站这篇博客：   https://blog.csdn.net/yinuo_432/article/details/150152543    中查看

📚📚👉👉👉本站这篇博客：   https://blog.csdn.net/yinuo_432/article/details/150152543    中查看

✨ 本教程项目亮点

🧠 知识体系完整：覆盖从基础原理、核心方法到高阶应用的全流程内容
💻 全技术链覆盖：完整前后端技术栈，涵盖开发必备技能
🚀 从零到实战：适合 0 基础入门到提升，循序渐进掌握核心能力
📚 丰富文档与代码示例：涵盖多种场景，可运行、可复用
🛠 工作与学习双参考：不仅适合系统化学习，更可作为日常开发中的查阅手册
🧩 模块化知识结构：按知识点分章节，便于快速定位和复习
📈 长期可用的技术积累：不止一次学习，而是能伴随工作与项目长期参考

---

🎯🎯🎯全教程总章节

---

🚀🚀🚀本篇主要内容

Pandas

学习目标

• 了解Numpy与Pandas的不同
• 说明Pandas的Series与Dataframe两种结构的区别
• 了解Pandas的MultiIndex与panel结构
• 应用Pandas实现基本数据操作
• 应用Pandas实现数据的合并
• 应用crosstab和pivot_table实现交叉表与透视表
• 应用groupby和聚合函数实现数据的分组与聚合
• 了解Pandas的plot画图功能
• 应用Pandas实现数据的读取和存储

5.3 基本数据操作

学习目标

• 目标

• 记忆DataFrame的形状、行列索引名称获取等基本属性

• 应用Series和DataFrame的索引进行切片获取
• 应用sort_index和sort_values实现索引和值的排序

---

为了更好的理解这些基本操作， 将读取一个真实的股某票数据。关于文件操作，后面在介绍，这里只先用一下API

# 读取文件


data = pd.read_csv("./data/stock_day.csv")



# 删除一些列，让数据更简单些，再去做后面的操作


data = data.drop(["ma5","ma10","ma20","v_ma5","v_ma10","v_ma20"], axis=1)

1 索引操作

Numpy当中 已经讲过使用索引选取序列和切片选择，pandas也支持类似的操作，也可以直接使用列名、行名

称，甚至组合使用。

1.1 直接使用行列索引(先列后行)

获取'2018-02-27'这天的'close'的结果

# 直接使用行列索引名字的方式（先列后行）


data['open']['2018-02-27']
23.53



# 不支持的操作




# 错误


data['2018-02-27']['open']


# 错误


data[:1, :2]

1.2 结合loc或者iloc使用索引

获取从'2018-02-27':'2018-02-22'，'open'的结果

# 使用loc:只能指定行列索引的名字


data.loc['2018-02-27':'2018-02-22', 'open']

2018-02-27    23.53
2018-02-26    22.80
2018-02-23    22.88
Name: open, dtype: float64



# 使用iloc可以通过索引的下标去获取




# 获取前3天数据,前5列的结果


data.iloc[:3, :5]

            open    high    close    low
2018-02-27    23.53    25.88    24.16    23.53
2018-02-26    22.80    23.78    23.53    22.80
2018-02-23    22.88    23.37    22.82    22.71

1.3 使用ix组合索引

Warning:Starting in 0.20.0, the .ix indexer is deprecated, in favor of the more strict .iloc and .loc indexers.

获取行第1天到第4天，['open', 'close', 'high', 'low']这个四个指标的结果

# 使用ix进行下表和名称组合做引


data.ix[0:4, ['open', 'close', 'high', 'low']]



# 推荐使用loc和iloc来获取的方式


data.loc[data.index[0:4], ['open', 'close', 'high', 'low']]
data.iloc[0:4, data.columns.get_indexer(['open', 'close', 'high', 'low'])]

            open    close    high    low
2018-02-27    23.53    24.16    25.88    23.53
2018-02-26    22.80    23.53    23.78    22.80
2018-02-23    22.88    22.82    23.37    22.71
2018-02-22    22.25    22.28    22.76    22.02

2 赋值操作

Python 标准库参考

subprocess 文档

对DataFrame当中的close列进行重新赋值为1

# 直接修改原来的值


data['close'] = 1


# 或者


data.close = 1

3 排序

Python-dotenv 文档

排序有两种形式，一种对于索引进行排序，一种对于内容进行排序

3.1 DataFrame排序

• 使用df.sort_values(by=, ascending=)

• 单个键或者多个键进行排序,

• 参数：

  • by：指定排序参考的键

  • ascending:默认升序

    • ascending=False:降序
    • ascending=True:升序

# 按照开盘价大小进行排序 , 使用ascending指定按照大小排序


data.sort_values(by="open", ascending=True).head()

# 按照多个键进行排序


data.sort_values(by=['open', 'high'])

• 使用df.sort_index给索引进行排序

这个股某票的日期索引原来是从大到小，现在重新排序，从小到大

# 对索引进行排序


data.sort_index()

3.2 Series排序

• 使用series.sort_values(ascending=True)进行排序

series排序时，只有一列，不需要参数

data['p_change'].sort_values(ascending=True).head()

2015-09-01   -10.03
2015-09-14   -10.02
2016-01-11   -10.02
2015-07-15   -10.02
2015-08-26   -10.01
Name: p_change, dtype: float64

• 使用series.sort_index()进行排序

与df一致

# 对索引进行排序


data['p_change'].sort_index().head()

2015-03-02    2.62
2015-03-03    1.44
2015-03-04    1.57
2015-03-05    2.02
2015-03-06    8.51
Name: p_change, dtype: float64

4 总结

• 1.索引【掌握】

• 直接索引 -- 先列后行,是需要通过索引的字符串进行获取

• loc -- 先行后列,是需要通过索引的字符串进行获取
• iloc -- 先行后列,是通过下标进行索引

• ix -- 先行后列, 可以用上面两种方法混合进行索引

• 2.赋值【知道】

• data[""] = **

• data.=

• 3.排序【知道】

• dataframe

  • 对象.sort_values()
  • 对象.sort_index()

• series

  • 对象.sort_values()
  • 对象.sort_index()

5.4 DataFrame运算

学习目标

• 目标

• 应用add等实现数据间的加、减法运算

• 应用逻辑运算符号实现数据的逻辑筛选
• 应用isin, query实现数据的筛选
• 使用describe完成综合统计
• 使用max, min, mean, std完成统计计算
• 使用idxmin、idxmax完成最大值最小值的索引
• 使用cumsum等实现累计分析
• 应用apply函数实现数据的自定义处理

---

1 算术运算

• add(other)

比如进行数学运算加上具体的一个数字

data['open'].add(1)

2018-02-27    24.53
2018-02-26    23.80
2018-02-23    23.88
2018-02-22    23.25
2018-02-14    22.49

• sub(other)'

2 逻辑运算

asyncpg 文档

2.1 逻辑运算符号

• 例如筛选data["open"] > 23的日期数据

• data["open"] > 23返回逻辑结果

data["open"] > 23

2018-02-27     True
2018-02-26    False
2018-02-23    False
2018-02-22    False
2018-02-14    False

# 逻辑判断的结果可以作为筛选的依据


data[data["open"] > 23].head()

• 完成多个逻辑判断，

data[(data["open"] > 23) & (data["open"] < 24)].head()

2.2 逻辑运算函数

• query(expr)

• expr:查询字符串

通过query使得刚才的过程更加方便简单

data.query("open<24 & open>23").head()

• isin(values)

例如判断'open'是否为23.53和23.85

# 可以指定值进行一个判断，从而进行筛选操作


data[data["open"].isin([23.53, 23.85])]

3 统计运算

3.1 describe

综合分析: 能够直接得出很多统计结果,count, mean, std, min, max 等

# 计算平均值、标准差、最大值、最小值


data.describe()

3.2 统计函数

Numpy当中已经详细介绍，在这里 演示min(最小值), max(最大值), mean(平均值), median(中位数), var(方差), std(标准差),mode(众数)结果:

count	Number of non-NA observations
sum	Sum of values
mean	Mean of values
median	Arithmetic median of values
min	Minimum
max	Maximum
mode	Mode
abs	Absolute Value
prod	Product of values
std	Bessel-corrected sample standard deviation
var	Unbiased variance
idxmax	compute the index labels with the maximum
idxmin	compute the index labels with the minimum

对于单个函数去进行统计的时候，坐标轴还是按照默认列“columns” (axis=0, default)，如果要对行“index” 需要指定(axis=1)

• max()、min()

# 使用统计函数：0 代表列求结果， 1 代表行求统计结果


data.max(0)

open                   34.99
high                   36.35
close                  35.21
low                    34.01
volume             501915.41
price_change            3.03
p_change               10.03
turnover               12.56
my_price_change         3.41
dtype: float64

• std()、var()

# 方差


data.var(0)

open               1.545255e+01
high               1.662665e+01
close              1.554572e+01
low                1.437902e+01
volume             5.458124e+09
price_change       8.072595e-01
p_change           1.664394e+01
turnover           4.323800e+00
my_price_change    6.409037e-01
dtype: float64



# 标准差


data.std(0)

open                   3.930973
high                   4.077578
close                  3.942806
low                    3.791968
volume             73879.119354
price_change           0.898476
p_change               4.079698
turnover               2.079375
my_price_change        0.800565
dtype: float64

• median()：中位数

中位数为将数据从小到大排列，在最中间的那个数为中位数。如果没有中间数，取中间两个数的平均值。

df = pd.DataFrame({'COL1' : [2,3,4,5,4,2],
                   'COL2' : [0,1,2,3,4,2]})

df.median()

COL1    3.5
COL2    2.0
dtype: float64

• idxmax()、idxmin()

# 求出最大值的位置


data.idxmax(axis=0)

open               2015-06-15
high               2015-06-10
close              2015-06-12
low                2015-06-12
volume             2017-10-26
price_change       2015-06-09
p_change           2015-08-28
turnover           2017-10-26
my_price_change    2015-07-10
dtype: object




# 求出最小值的位置


data.idxmin(axis=0)

open               2015-03-02
high               2015-03-02
close              2015-09-02
low                2015-03-02
volume             2016-07-06
price_change       2015-06-15
p_change           2015-09-01
turnover           2016-07-06
my_price_change    2015-06-15
dtype: object

3.3 累计统计函数

函数	作用
cumsum	计算前1/2/3/…/n个数的和
cummax	计算前1/2/3/…/n个数的最大值
cummin	计算前1/2/3/…/n个数的最小值
cumprod	计算前1/2/3/…/n个数的积

那么这些累计统计函数怎么用？

以上这些函数可以对series和dataframe操作

这里 按照时间的从前往后来进行累计

• 排序

# 排序之后，进行累计求和


data = data.sort_index()

• 对p_change进行求和

openpyxl 文档

stock_rise = data['p_change']


# plot方法集成了前面直方图、条形图、饼图、折线图


stock_rise.cumsum()

2015-03-02      2.62
2015-03-03      4.06
2015-03-04      5.63
2015-03-05      7.65
2015-03-06     16.16
2015-03-09     16.37
2015-03-10     18.75
2015-03-11     16.36
2015-03-12     15.03
2015-03-13     17.58
2015-03-16     20.34
2015-03-17     22.42
2015-03-18     23.28
2015-03-19     23.74
2015-03-20     23.48
2015-03-23     23.74

Kivy 文档

那么如何让这个连续求和的结果更好的显示呢？

如果要使用plot函数，需要导入matplotlib.

import matplotlib.pyplot as plt


# plot显示图形


stock_rise.cumsum().plot()


# 需要调用show，才能显示出结果


plt.show()

关于plot，稍后会介绍API的选择

4 自定义运算

• apply(func, axis=0)

• func:自定义函数

• axis=0:默认是列，axis=1为行进行运算

• 定义一个对列，最大值-最小值的函数

data[['open', 'close']].apply(lambda x: x.max() - x.min(), axis=0)

open     22.74
close    22.85
dtype: float64

5 小结

• 算术运算【知道】

• 逻辑运算【知道】

• 1.逻辑运算符号

• 2.逻辑运算函数

  • 对象.query()
  • 对象.isin()

• 统计运算【知道】

• 1.对象.describe()

• 2.统计函数

• 3.累积统计函数

• 自定义运算【知道】

• apply(func, axis=0)

5.5 Pandas画图

学习目标

• 目标

• 了解DataFrame的画图函数

• 了解Series的画图函数

---

structlog 文档

1 pandas.DataFrame.plot

• DataFrame.plot(kind='line')

• kind : str，需要绘制图形的种类

• ‘line’ : line plot (default)

• ‘bar’ : vertical bar plot
• ‘barh’ : ho

---

🚀✨ （未完待续）项目系列下一章

📚下一篇 将进入更精彩的环节！ 🔔 记得收藏 & 关注，第一时间获取更新！ 🍅 一起见证整个系列逐步成型的全过程。