标签：分析 head df1 DataFrame clean csv 金融 pandas
【摘要】pandas是数据分析师分析数据最常用的三方库之一，结合matplotlib，非常强大。
首先我们收集一些数据。
从东方财富客户端导出券商信托板块2018年11月1日的基础行情和财务数据。分别保存为zhengquan1.csv和zhengquan2.csv，文件可以从本文附件中下载。
导入pandas和读取csv文件
import pandas as pd
#解析基础行情csv
df1 = pd.read_csv(u'zhengquan1.csv',sep=',', encoding='utf-16')
df1.head()
pd.read_csv可以将csv文件解析为pandas的DataFrame对象。导出的文件是由utf-16编码的，要加encoding参数。
df1.head()可以取DataFrame前5行。
可以看出pandas结合jupyter可以很直观的看到全部数据的大致情况。
DataFrame的行列名可以直接用index、columns获取，后面我们会慢慢介绍。
df1.columns 
df1.index.values
我们看到有一列名为’Unnamed: 3‘的数据列，这一列是不需要的数据，我们希望将其删除，可以使用drop方法。
df1.drop('Unnamed: 3',inplace=True, axis=1)
df1.head(3)
drop方法中有两个参数，inplace=True代表处理后的DataFrame替换原来的DataFrame；axis=1代表处理列数据。
接下来我们试试将df1中的第一行删除。
df1.drop(0,inplace=True)
df1.head(3) 
可以看出，我们这次没有使用axis参数，因为axis默认为0，代表处理行数据，可以省略。
上面的一些操作让我们对数据做了一些清洗。
接下来我们想提取一些我们比较关心的数据，例如提取'代码'、'名称'、'最新'、'换手'、'市盈率'、'市净率'、'总市值'、'流通市值'这几列.
df1_clean = df1[[u'代码',u'名称',u'最新',u'换手',u'市盈率',u'市净率',u'总市值',u'流通市值']]
df1_clean.head() 
这时，我们想通过市净率来排序，看看市净率最低的几家券商信托是哪些。我们可以借助sort_values来实现：
df1_clean.sort_values(u'市净率').head() 
sort_values方法有一个ascending参数，我们可以设置升序或者降序。
df1_clean.sort_values(u'最新',ascending=False).head() 
我们看到DataFrame中有些值是字符串和其他字符，我们想要批量将其删除。向大家介绍apply函数：
def fn(x):
try:
x[u'市盈率'] = pd.to_numeric(x[u'市盈率'].split(' ')[0])
x[u'总市值'] = pd.to_numeric(x[u'总市值'][:-2])
x[u'流通市值'] = pd.to_numeric(x[u'流通市值'][:-2])
x[u'换手'] = pd.to_numeric(x[u'换手'][:-1])
return x
except:
pass
df1_clean = df1_clean.apply(func=fn,axis=1)
df1_clean.head() 
上述代码将亏损的股票剔除出了DataFrame。为了进一步清洗，将存在nan的数据行删除。
df1_clean.dropna(inplace=True)接下来我们可以将DataFrame中的一些数据借助matplotlib画出柱状图：
import matplotlib.pyplot as plt
plt.rcParams["figure.figsize"] = (20,24)
df1_clean.plot(x=u'代码',y=u'市盈率',kind='barh');
pandas用于金融分析还有很多个性化的手段，这次我们主要讲了讲数据的清洗和处理。
后面我们会接着介绍pandas的更多使用技巧，如果想了解环境的安装，可以看我前面的文章：
ubuntu16.04 安装cuda9.0+cudnn7.0.5+tensorflow+nvidia-docker配置GPU服务
来源：华为云社区 作者：Edison
标签：分析,head,df1,DataFrame,clean,csv,金融,pandas 来源： https://blog.51cto.com/u_15214399/2823921
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。