一、DataFrame构建
1.用多个列表构建
构建DataFrame
self._stkpool_uni、codes、end_date（这些list用append填充值，保证各个list中元素个数一致）
dfData = {“STK_UNI_CODE”:self._stkpool_uni, “STK_CODE”:codes, “END_DATE”:end_date,
“SCORE_FAC”:score, “DIS_FAC”:descri, “RAT_FAC”:star, “MAC_FAC”:mac}
df = pd.DataFrame(data=dfData)
2.用一个列表构建（其中列表元素为dict，dict的值来自tuple）
findata_list = [] #定义一个空list
for res in query_Object: #res是元组
dict_fin = {} #定义一个空dict
for arr in range(0,len(res)): #for循环元组
dict_fin[columns[arr]] = res[arr] #给dict填值
findata_list.append(dict_fin) #给list填值
dfQuery = pd.DataFrame(findata_list) #通过list构建DataFrame
3.指定列的顺序
df_data = {“公式代码”:gsCode, “股票市场”:gpMarket, “股票代码”:gpCode, “日期”:signalDate, “新接口”:mField, “老接口”:mFieldOnline}
col = [‘公式代码’,’股票市场’,’股票代码’,’日期’,’新接口’,’老接口’]
df = pd.DataFrame(data=df_data,columns=col)
二、DataFrame一系列小操作总结
1.DataFrame排序
①.根据列值排序（sort_values）
df_return = df_return.sort_values([‘date’, ‘gpcode’], ascending=[0,1]) # 排序，0倒序，1正序
②.根据索引值排序（sort_index）
dfSort = dfSort.sort_index(ascending=False)
2.DataFrame query
strsql = “index
3.DataFrame groupby、pandas.core.groupby.GroupBy.nth
strsql = “index
gb = df_entrydate.groupby(‘gpcode’) #按gpcode分组
ret = gb.nth(0) #取groupby之后的第1组数据
4.DataFrame取值
①根据已知索引取值（ix）
res= dfQuery.ix[index]
②取一段数据块（iloc, loc）
1.ret = copy.copy(df_entrydate.iloc[:1]) #取dataframe第一行数据
2.
5.DataFrame修改值
①更改某列的某一个值（loc[索引值，列名]）
df_stopdate.loc[df_stopdate.index, “date”] = dict_stopdate[key]
②df_stopdate[‘date’][1]= ‘2016-01-01’
df_stopdate[‘date’] = ‘2016-01-01’
6.DataFrame设置索引(set_index)
①重置索引（reset_index）
df_return = df_return.reset_index()
②设置索引(set_index)
df_return = df_return.set_index(‘a’, ‘b’)
③
import copy
ret = copy.copy(df_entrydate.iloc[:1]) #取dataframe第一行数据
ret.index=[[gpcode],[date]]
ret.index.names=[“gpcode”,”date”]
df_return = df_return.append(ret)
7.DataFrame取一列索引的值
①一重索引取值
df.index.tolist()
②多重索引取值（df.index.get_level_values(‘列名’)）
dfQuery.index.get_level_values(‘gpcode’)
8.DataFrame删除
① 某一列（del）
del(df_entrydate[“gpcode”])
② 某一列（drop、axis=1）
df = df.drop([‘col1′,’col2’],axis=1)
③ 某一行（drop、axis=0）
df = df.drop([0],axis=0) #删除第一行
9.DataFrame的某一列转换类型
prit dfQuery.dtypes
pandas中没有”string”，string类型的被存为object。
将date列转换成datetime64类型
import numpy as np
dfQuery[‘date’] = dfQuery[‘date’].astype(np.dtype(“datetime64”))
print dfQuery.dtypes
未完待续。。。
其他操作参见：http://www.cnblogs.com/chaosimple/p/4153083.html
Original: https://www.cnblogs.com/SZxiaochun/p/6290514.html
Author: 那一剑的風情
Title: DataFrame的构建及一些操作
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/559847/
转载文章受原作者版权保护。转载请注明原作者出处！