本章内容
  • 算术运算
  • 逻辑运算
  • 统计运算
  • 累计统计函数
  • 自定义运算
第一节 算术运算
  • add(other)

比如进行数学运算加上具体的一个数字
在这里插入图片描述

  • sub(other)

如果想要得到每天的涨跌大小?求出每天 close- open价格差
在这里插入图片描述

第二节 逻辑运算

逻辑运算符号<、 >、|、 &

  • 逻辑运算类型:>, >=, <, <=, ==, !=
  • 复合逻辑运算:&, |, ~ (与,或,非)

例如筛选p_change > 2的日期数据
data[‘p_change’] > 2返回逻辑结果
在这里插入图片描述
逻辑判断的结果可以作为筛选的依据
在这里插入图片描述
完成一个多个逻辑判断, 筛选p_change > 2并且open > 15
在这里插入图片描述
逻辑运算函数
data.query() <-- 直接得出结果数据
data.turnover.isin([4.19, 2.39]) <-- 生成bool系列,还需要索引才能得出数据

  • query(expr)
    • expr:查询字符串

通过query使得刚才的过程更加方便简单
在这里插入图片描述

  • isin(values)

例如判断’turnover’是否为9.05, 8.45
可以指定值进行一个判断,从而进行筛选操作
在这里插入图片描述

第三节 统计运算

describe()函数可以方便地查看每一个列的常见统计量

  • min/max/mean/median/std/var
  • idxmax/idxmin --> argmax/argmin
  • data.mean(axis=0), 通过axis参数控制在行上还是列上计算均值
  • 累计统计函数:
    • cummulative(累计)
    • cumsum
    • cumprod
    • cummax
    • cummin

要点:某一个位置的值来自从最开头到当前位置的数据的统计量

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()

在这里插入图片描述
count统计非空数量

统计函数

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

countNumber of non-NA observations
sumSum of values 求和
meanMean of values 平均值
medianArithmetic median of values 中值
minMinimum 最小值
maxMaximum 最大值
modeMode
absAbsolute Value 绝对值
prodProduct of values???
stdBessel-corrected sample standard deviation 标准差
varUnbiased variance 无偏方差,均方差
idxmaxcompute the index labels with the maximum 索引最大值
idxmincompute the index labels with the minimum 索引最小值

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

  • max()、min()
    在这里插入图片描述
  • std()、var()
    在这里插入图片描述
  • 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。
    在这里插入图片描述
  • idxmax()、idxmin()
    在这里插入图片描述
第四节 累计统计函数

在这里插入图片描述
那么这些累计统计函数怎么用?
在这里插入图片描述
在这里插入图片描述
以上这些函数可以对series和dataframe操作
这里我们按照时间的从前往后来进行累计

  • 排序
    在这里插入图片描述
  • 对p_change进行累计求和
    在这里插入图片描述在这里插入图片描述
    那么如何让这个连续求和的结果更好的显示呢?
    在这里插入图片描述
    如果要使用plot函数,需要导入matplotlib.
    在这里插入图片描述
    关于plot,稍后会介绍API的选择
第五节 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)

输出:

open     22.74
close    22.85
dtype: float64

版权声明:
笔者博客文章主要用来作为学习笔记使用,内容大部分整理自互联网,如有侵权,请联系博主删除!

Logo

腾讯云面向开发者汇聚海量精品云计算使用和开发经验,营造开放的云计算技术生态圈。

更多推荐