3.pandas简单使用

柔情只为你懂 2022-12-27 08:48 111阅读 0赞

# 3.pandas #

## pandas的常用数据类型 ##

1.  Series 一维，带标签数组
2.  DataFrame 二维，Series容器

## pandas 显示所有行列 ##

pd.set_option('display.max_columns', None)
    #显示所有行
    pd.set_option('display.max_rows', None)

## pandas之读取外部数据 ##

> 我们的这组数据存在csv中，我们直接使用pd. read\_csv即可  
> 和我们想象的有些差别，我们以为他会是一个Series类型，但是他是一个DataFrame，那么接下来我们就来了解这种数据类型  
> 但是，还有一个问题：  
> 对于数据库比如mysql或者mongodb中数据我们如何使用呢？  
> pd.read\_sql(sql\_sentence,connection)

## 1.Series ##

### 1.创建 ###

In [59]: import string
    
    In [60]: t = pd.Series(np.arange(10), index=list(string.ascii_uppercase[:10]))
    
    In [61]: t
    Out[61]:
    A    0
    B    1
    C    2
    D    3
    E    4
    F    5
    G    6
    H    7
    I    8
    J    9
    dtype: int64
    
    In [62]: type(t)
    Out[62]: pandas.core.series.Series
    
    
    
    In [63]: a = { string.ascii_uppercase[i]:i for i in range(10)}
    
    In [64]: a
    Out[64]:
    { 'A': 0,
     'B': 1,
     'C': 2,
     'D': 3,
     'E': 4,
     'F': 5,
     'G': 6,
     'H': 7,
     'I': 8,
     'J': 9}
    
    In [65]: pd.Series(a)
    Out[65]:
    A    0
    B    1
    C    2
    D    3
    E    4
    F    5
    G    6
    H    7
    I    8
    J    9
    dtype: int64
    
    
    # nan 在pandas 中是浮点型
    In [67]: t = pd.Series(a, index=list(string.ascii_uppercase[5:20]))
    
    In [68]: t
    Out[68]:
    F    5.0
    G    6.0
    H    7.0
    I    8.0
    J    9.0
    K    NaN
    L    NaN
    M    NaN
    N    NaN
    O    NaN
    P    NaN
    Q    NaN
    R    NaN
    S    NaN
    T    NaN
    dtype: float64

### 2.切片和索引 ###

In [71]: t
    Out[71]:
    A    0
    B    1
    C    2
    D    3
    E    4
    F    5
    G    6
    H    7
    I    8
    J    9
    dtype: int64
    
    In [72]: t[2:10:2]
    Out[72]:
    C    2
    E    4
    G    6
    I    8
    dtype: int64
    
    In [73]: t[2]
    Out[73]: 2
    In [76]: t[[2,3,6]]
    Out[76]:
    C    2
    D    3
    G    6
    dtype: int64
    
    In [77]: t[t>4]
    Out[77]:
    F    5
    G    6
    H    7
    I    8
    J    9
    dtype: int64
    
    In [78]: t["F"]
    Out[78]: 5
    
    In [79]: t[["A","F"]]
    Out[79]:
    A    0
    F    5
    dtype: int64

> 切片：直接传入start end 或者步长  
> 索引：一个的时候直接传入序号或者index,多个的时候传入序号或者index的列表

### 3.索引和值 ###

In [80]: t.index
    Out[80]: Index(['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J'], dtype='object')
    
    In [81]: t.values
    Out[81]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
    
    In [82]: type(t.index)
    Out[82]: pandas.core.indexes.base.Index
    
    In [83]: type(t.valuse)
    Out[85]: numpy.ndarray

> Series 本质上由两个数组组成，一个数组构成对象的键(index，索引)，一个数组构成对象的值（values），键->值  
> ndarray的很多方法都可以运用于Series类型，比如argmax， clip  
> Series有where方法，但是和ndarray不同

## 2.DataFrame ##

In [86]: t=pd.DataFrame(np.arange(12).reshape((3, 4)))
    
    In [87]: t
    Out[87]:
       0  1   2   3
    0  0  1   2   3
    1  4  5   6   7
    2  8  9  10  11

> **DataFrame对象既有行索引，又有列索引**  
> 行索引，表明不同行，横向索引，叫index，0轴，axis=0  
> 列索引，表名不同列，纵向索引，叫columns，1轴，axis=1

DataFrame基础属性

In [89]: df.shape 行数 列数
    Out[89]: (3, 4)
    
    In [90]: df.dtypes # 列数据类型
    Out[90]:
    0    int64
    1    int64
    2    int64
    3    int64
    dtype: object
    
    In [91]: df.ndim # 数组维度
    Out[91]: 2
    
    In [92]: df.columns # 列索引
    Out[92]: RangeIndex(start=0, stop=4, step=1)
    In [93]: df.values # 対象值 二维ndarry数组

DataFrame整体情况查询

In [94]: df.head(2) # 头部几行
    Out[94]:
       0  1  2  3
    0  0  1  2  3
    1  4  5  6  7
    
    In [95]: df.tail(2) # 末尾几行
    Out[95]:
       0  1   2   3
    1  4  5   6   7
    2  8  9  10  11
    
    In [96]: df.info() # 相关信息概览：行数，列数。列索引，列非空值个数，列类型，内存占用
    <class 'pandas.core.frame.DataFrame'>
    RangeIndex: 3 entries, 0 to 2
    Data columns (total 4 columns):
     # Column Non-Null Count Dtype
    ---  ------  --------------  -----
     0   0       3 non-null      int64
     1   1       3 non-null      int64
     2   2       3 non-null      int64
     3   3       3 non-null      int64
    dtypes: int64(4)
    memory usage: 224.0 bytes
    
    In [97]: df.describe()     # 快速综合统计结果：基数，均值，标准差，最大值，四分位数，最小值
    Out[97]:
             0    1     2     3
    count  3.0  3.0   3.0   3.0
    mean   4.0  5.0   6.0   7.0
    std    4.0  4.0   4.0   4.0
    min    0.0  1.0   2.0   3.0
    25%    2.0  3.0   4.0   5.0
    50%    4.0  5.0   6.0   7.0
    75%    6.0  7.0   8.0   9.0
    max    8.0  9.0  10.0  11.0

### 1.取行或者列 ###

df_sorted = df.sort_values(by="Count_AnimalName") # 按照字段df_sorted[:100]

### 2.loc ###

还有更多的经过pandas优化过的选择方式：

1.  df.loc 通过**标签**索引行数据
2.  df.iloc 通过**位置**获取行数据

In [99]: t = pd.DataFrame(np.arange(12).reshape((3, 4)), index=list(string.ascii_uppercase[:3]), columns=list(string.a
        ...: scii_uppercase[-4:]))
    
    In [100]: t
    Out[100]:
       W  X   Y   Z
    A  0  1   2   3
    B  4  5   6   7
    C  8  9  10  11
    
    In [101]: t.loc["A", "W"] # 选择值
    Out[101]: 0
    
    In [102]: t.loc["A", ["W", "Y"]]
    Out[102]:
    W    0
    Y    2
    Name: A, dtype: int64
    
    In [103]: type(t.loc["A", ["W", "Y"]])
    Out[103]: pandas.core.series.Series
    
    In [104]: t.loc[["A", "C"], ["W", "Z"]]   # 选择间隔的多行
    Out[104]:
       W   Z
    A  0   3
    C  8  11
    In [107]: t.loc["A":, ["W", "Z"]] # 选择切片
    Out[107]:
       W   Z
    A  0   3
    B  4   7
    C  8  11

### 3.iloc ###

In [108]: t
    Out[108]:
       W  X   Y   Z
    A  0  1   2   3
    B  4  5   6   7
    C  8  9  10  11
    
    In [109]: t.iloc[1:3, [2,3]]
    Out[109]:
        Y   Z
    B   6   7
    C  10  11
    
    In [110]: t.iloc[1:3, 1:3]
    Out[110]:
       X   Y
    B  5   6
    C  9  10

赋值修改：

In [115]: t.iloc[1:2, 0:2]=100
    
    In [116]: t
    Out[116]:
         W    X    Y   Z
    A    0    1  100   3
    B  100  100    6   7
    C    8    9   10  11
    
    In [111]: t.loc["A", "Y"] =100

### 4.布尔索引 ###

>  *  & 且
>  *  | 或

注：不同条件间要用括号括起来

回到之前狗的名字的问题上，假如我们想找到所有的使用次数超过800的狗的名字，应该怎么选择？
    df[df["count"]>800]
    
    回到之前狗的名字的问题上，假如我们想找到所有的使用次数超过700并且名字的字符串的长度大于4的狗的名字，应该怎么选择？
    df[(df["row_name"].str.len()>4)&(df["count"]>800)]

### 5.字符串方法 ###

!\[image.png\](https://img-blog.csdnimg.cn/img\_convert/041fc8a97d150e9e0153b99a15fe7dbf.png\#align=left&display=inline&height=770&margin=\[object Object\]&name=image.png&originHeight=770&originWidth=941&size=356054&status=done&style=none&width=941)

### 6.缺失数据的处理 ###

> 对于NaN的数据，在numpy中我们是如何处理的？  
> 在pandas中我们处理起来非常容易  
> 判断数据是否为NaN：pd.isnull(df),pd.notnull(df)  
> 处理方式1：删除NaN所在的行列dropna (axis=0, how=‘any’, inplace=False)  
> 处理方式2：填充数据，t.fillna(t.mean()),t.fiallna(t.median()),t.fillna(0)  
> 处理为0的数据：t\[t==0\]=np.nan  
> 当然并不是每次为0的数据都需要处理  
> 计算平均值等情况，nan是不参与计算的，但是0会

> 假设现在我们有一组从2006年到2016年1000部最流行的电影数据，我们想知道这些电影数据中评分的平均分，导演的人数等信息，我们应该怎么获取？  
> 数据来源：[https://www.kaggle.com/damianpanek/sunday-eda/data][https_www.kaggle.com_damianpanek_sunday-eda_data]

### 7.pandas常用统计方法 ###

rating_mean = df["Rating"].mean()
    temp_list = df["Actors"].str.split(",").tolist()
    nums = set([i for j in temp_list for i in j])
    
    max_runtime = df["Runtime (Minutes)"].max()
    max_runtime_index = df["Runtime (Minutes)"].armax()
    min_runtime = df["Runtime (Minutes)"].min()
    min_runtime_index = df["Runtime (Minutes)"].armin()
    runtime_median = df["Runtime (Minutes)"].median()
    
    
    
    df["mean"] = df.apply(lambda x:x.mean(), axis=1)
    c = df.apply(lambda x:x.mean(), axis=0)
    df1 = df.append(c, ignore_index=True)
    df1.reindex()
    print(df1)
    
    
         a    b     c     d  mean
    0  0.0  1.0   2.0   3.0   1.5
    1  4.0  5.0   6.0   7.0   5.5
    2  8.0  9.0  10.0  11.0   9.5
    3  4.0  5.0   6.0   7.0   5.5

### 8.数据合并之join ###

> join:默认情况下他是把行索引相同的数据合并到一起

In [35]: t
    Out[35]:
        q   w   e   r   t
    a   0   1   2   3   4
    b   5   6   7   8   9
    c  10  11  12  13  14
    d  15  16  17  18  19
    
    In [36]: t1 = pd.DataFrame(np.arange(20).reshape((5, 4)), index=["a", "b", "c", "d", "e"], columns=["1", "2",
        ...:  "3", "4"])
    
    In [37]: t1
    Out[37]:
        1   2   3   4
    a   0   1   2   3
    b   4   5   6   7
    c   8   9  10  11
    d  12  13  14  15
    e  16  17  18  19
    
    In [38]: t
    Out[38]:
        q   w   e   r   t
    a   0   1   2   3   4
    b   5   6   7   8   9
    c  10  11  12  13  14
    d  15  16  17  18  19
    
    In [39]: t1.join(t)
    Out[39]:
        1   2   3   4     q     w     e     r     t
    a   0   1   2   3   0.0   1.0   2.0   3.0   4.0
    b   4   5   6   7   5.0   6.0   7.0   8.0   9.0
    c   8   9  10  11  10.0  11.0  12.0  13.0  14.0
    d  12  13  14  15  15.0  16.0  17.0  18.0  19.0
    e  16  17  18  19   NaN   NaN   NaN   NaN   NaN
    
    In [40]: t.join(t1)
    Out[40]:
        q   w   e   r   t   1   2   3   4
    a   0   1   2   3   4   0   1   2   3
    b   5   6   7   8   9   4   5   6   7
    c  10  11  12  13  14   8   9  10  11
    d  15  16  17  18  19  12  13  14  15

### 9.数据合并之merge ###

In [41]: t
    Out[41]:
        q   w   e   r   t
    a   0   1   2   3   4
    b   5   6   7   8   9
    c  10  11  12  13  14
    d  15  16  17  18  19
    
    In [42]: t1
    Out[42]:
        1   2   3   4
    a   0   1   2   3
    b   4   5   6   7
    c   8   9  10  11
    d  12  13  14  15
    e  16  17  18  19
    
    In [43]: t.merge(t1, left_on='r', right_on='4') # 默认的合并方式inner，并集
    
    Out[43]:
       q  w  e  r  t  1  2  3  4
    0  0  1  2  3  4  0  1  2  3
    
    In [44]: t.merge(t1, left_on='r', right_on='4', how='inner')
    Out[44]:
       q  w  e  r  t  1  2  3  4
    0  0  1  2  3  4  0  1  2  3
    
    In [45]: t.merge(t1, left_on='r', right_on='4', how='outer') # merge outer，交集，NaN补全
    
    Out[45]:
          q     w     e     r     t     1     2     3     4
    0   0.0   1.0   2.0   3.0   4.0   0.0   1.0   2.0   3.0
    1   5.0   6.0   7.0   8.0   9.0   NaN   NaN   NaN   NaN
    2  10.0  11.0  12.0  13.0  14.0   NaN   NaN   NaN   NaN
    3  15.0  16.0  17.0  18.0  19.0   NaN   NaN   NaN   NaN
    4   NaN   NaN   NaN   NaN   NaN   4.0   5.0   6.0   7.0
    5   NaN   NaN   NaN   NaN   NaN   8.0   9.0  10.0  11.0
    6   NaN   NaN   NaN   NaN   NaN  12.0  13.0  14.0  15.0
    7   NaN   NaN   NaN   NaN   NaN  16.0  17.0  18.0  19.0
    
    In [46]: t.merge(t1, left_on='r', right_on='4', how='left') # merge left，左边为准，NaN补全
    
    Out[46]:
        q   w   e   r   t    1    2    3    4
    0   0   1   2   3   4  0.0  1.0  2.0  3.0
    1   5   6   7   8   9  NaN  NaN  NaN  NaN
    2  10  11  12  13  14  NaN  NaN  NaN  NaN
    3  15  16  17  18  19  NaN  NaN  NaN  NaN
    
    In [47]: t.merge(t1, left_on='r', right_on='4', how='right') # merge right，右边为准，NaN补全
    
    Out[47]:
         q    w    e    r    t   1   2   3   4
    0  0.0  1.0  2.0  3.0  4.0   0   1   2   3
    1  NaN  NaN  NaN  NaN  NaN   4   5   6   7
    2  NaN  NaN  NaN  NaN  NaN   8   9  10  11
    3  NaN  NaN  NaN  NaN  NaN  12  13  14  15
    4  NaN  NaN  NaN  NaN  NaN  16  17  18  19

> 现在我们有一组关于全球星巴克店铺的统计数据，如果我想知道美国的星巴克数量和中国的哪个多，或者我想知道中国每个省份星巴克的数量的情况，那么应该怎么办？  
> 思路：遍历一遍，每次加1 ？？？  
> 数据来源：[https://www.kaggle.com/starbucks/store-locations/data][https_www.kaggle.com_starbucks_store-locations_data]

### 10.分组和聚合 ###

> grouped = df.groupby(by=“columns\_name”)  
> grouped是一个DataFrameGroupBy对象，是可迭代的  
> grouped中的每一个元素是一个元组  
> 元组里面是（索引(分组的值)，分组之后的DataFrame）  
> DataFrameGroupBy对象有很多经过优化的方法

!\[image.png\](https://img-blog.csdnimg.cn/img\_convert/739299dbf56f61868366c4431bae3269.png\#align=left&display=inline&height=320&margin=\[object Object\]&name=image.png&originHeight=320&originWidth=670&size=103977&status=done&style=none&width=670)

> 如果我们需要对国家和省份进行分组统计，应该怎么操作呢？  
> grouped = df.groupby(by=\[df\[“Country”\],df\[“State/Province”\]\])  
> 很多时候我们只希望对获取分组之后的某一部分数据，或者说我们只希望对某几列数据进行分组，这个时候我们应该怎么办呢？  
> 获取分组之后的某一部分数据：  
> df.groupby(by=\[“Country”,“State/Province”\])\[“Country”\].count()  
> 对某几列数据进行分组：  
> df\[“Country”\].groupby(by=\[df\[“Country”\],df\[“State/Province”\]\]).count()  
> 观察结果，由于只选择了一列数据，所以结果是一个Series类型  
> 如果我想返回一个DataFrame类型呢？  
> t1 = df\[\[“Country”\]\].groupby(by=\[df\[“Country”\],df\[“State/Province”\]\]).count()  
> t2 = df.groupby(by=\[“Country”,“State/Province”\])\[\[“Country”\]\].count()  
> 以上的两条命令结果一样  
> 和之前的结果的区别在于当前返回的是一个DataFrame类型  
> 那么问题来了：  
> 和之前使用一个分组条件相比，当前的返回结果的前两列是什么？

t = df.groupby(["a", "b"]).agg({ "c":"sum", "d":"mean"}).reset_index(drop=False)

### 11.索引和复合索引 ###

> 简单的索引操作：
> 
>  *  获取index：df.index
>  *  指定index ：df.index = \[‘x’,‘y’\]
>  *  重新设置index : df.reindex(list(“abcedf”))
>  *  指定某一列作为index ：df.set\_index(“Country”,drop=False)
>  *  返回index的唯一值：df.set\_index(“Country”).index.unique()

假设a为一个DataFrame,那么当a.set\_index(\[“c”,“d”\])即设置两个索引的时候是什么样子的结果呢？

> a = pd.DataFrame(\{‘a’: range(7),‘b’: range(7, 0, -1),‘c’: \[‘one’,‘one’,‘one’,‘two’,‘two’,‘two’, ‘two’\],‘d’: list(“hjklmno”)\})

### 12.Series复合索引 ###

In [156]: t
    Out[156]:
       W  X   Y   Z  Q
    A  e  1   2   3  s
    B  e  5   6   7  s
    C  e  9  10  11  s
    
    In [157]: c = t.set_index(["W", "Q"])["X"]
    
    In [158]: c
    Out[158]:
    W  Q
    e  s    1
       s    5
       s    9
    Name: X, dtype: int64

In [162]: c.swaplevel()["s"]
    Out[162]:
    W
    e    1
    e    5
    e    9
    Name: X, dtype: int64
    
    In [163]:
    
    In [163]:
    
    In [163]: c.swaplevel()
    Out[163]:
    Q  W
    s  e    1
       e    5
       e    9
    Name: X, dtype: int64

### 13.DataFrame复合索引 ###

In [164]: t
    Out[164]:
       W  X   Y   Z  Q
    A  e  1   2   3  s
    B  e  5   6   7  s
    C  e  9  10  11  s
    
    In [165]: x = t.set_index(["W", "X"])["Y"]
    In [167]: x
    Out[167]:
    W  X
    e  1     2
       5     6
       9    10
    Name: Y, dtype: int64
    
    In [168]: x.loc["e"]
    Out[168]:
    X
    1     2
    5     6
    9    10
    Name: Y, dtype: int64
    In [170]: x.loc["e"][1]
    Out[170]: 2
    
    In [171]: x
    Out[171]:
    W  X
    e  1     2
       5     6
       9    10
    Name: Y, dtype: int64
    
    In [172]: x.swaplevel().loc[5]
    Out[172]:
    W
    e    6
    Name: Y, dtype: int64

> 现在我们有全球排名靠前的10000本书的数据，那么请统计一下下面几个问题：  
> 1.不同年份书的数量  
> 2.不同年份书的平均评分情况  
> 收据来源：[https://www.kaggle.com/zygmunt/goodbooks-10k][https_www.kaggle.com_zygmunt_goodbooks-10k]  
> 现在我们有2015到2017年25万条911的紧急电话的数据，请统计出出这些数据中不同类型的紧急情况的次数，如果我们还想统计出不同月份不同类型紧急电话的次数的变化情况，应该怎么做呢？  
> 数据来源：[https://www.kaggle.com/mchirico/montcoalert/data][https_www.kaggle.com_mchirico_montcoalert_data]

### 14.pandas中的时间序列 ###

In [177]: pd.date_range(start='20200101', end='20200120', periods=None, freq=
         ...: "D")
    Out[177]:
    DatetimeIndex(['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04',
                   '2020-01-05', '2020-01-06', '2020-01-07', '2020-01-08',
                   '2020-01-09', '2020-01-10', '2020-01-11', '2020-01-12',
                   '2020-01-13', '2020-01-14', '2020-01-15', '2020-01-16',
                   '2020-01-17', '2020-01-18', '2020-01-19', '2020-01-20'],
                  dtype='datetime64[ns]', freq='D')
    
    In [179]: pd.date_range(start='20200101', end='20200920', periods=None, freq=
         ...: "BM")
    Out[179]:
    DatetimeIndex(['2020-01-31', '2020-02-28', '2020-03-31', '2020-04-30',
                   '2020-05-29', '2020-06-30', '2020-07-31', '2020-08-31'],
                  dtype='datetime64[ns]', freq='BM')
    
    In [180]: pd.date_range(start='20200101', end='20200920', periods=None, freq=
         ...: "WOM-3FRI")
    Out[180]:
    DatetimeIndex(['2020-01-17', '2020-02-21', '2020-03-20', '2020-04-17',
                   '2020-05-15', '2020-06-19', '2020-07-17', '2020-08-21',
                   '2020-09-18'],
                  dtype='datetime64[ns]', freq='WOM-3FRI')
    
    In [181]:

### 15.关于频率的更多缩写 ###

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gxim4yf6-1607510406958)(https://cdn.nlark.com/yuque/0/2020/png/2355152/1606124356624-ec4514be-bc16-4deb-a3b6-edc5113a7fd6.png\#align=left&display=inline&height=858&margin=%5Bobject%20Object%5D&name=image.png&originHeight=858&originWidth=1333&size=306472&status=done&style=none&width=1333)\]

### 16.在DataFrame中使用时间序列 ###

> index=pd.date\_range(“20170101”,periods=10)  
> df = pd.DataFrame(np.random.rand(10),index=index)  
> 回到最开始的911数据的案例中，我们可以使用pandas提供的方法把时间字符串转化为时间序列  
> df\[“timeStamp”\] = pd.to\_datetime(df\[“timeStamp”\],format="")  
> format参数大部分情况下可以不用写，但是对于pandas无法格式化的时间字符串，我们可以使用该参数，比如包含中文

'2020-06-19', '2020-07-17', '2020-08-21',
                   '2020-09-18', '2020-10-16'],
                  dtype='datetime64[ns]', freq='WOM-3FRI')
    
    In [184]: index=pd.date_range("20170101",periods=10)
         ...:
    
    In [185]: index
    Out[185]:
    DatetimeIndex(['2017-01-01', '2017-01-02', '2017-01-03', '2017-01-04',
                   '2017-01-05', '2017-01-06', '2017-01-07', '2017-01-08',
                   '2017-01-09', '2017-01-10'],
                  dtype='datetime64[ns]', freq='D')
    
    In [186]: df = pd.DataFrame(np.random.rand(10),index=index)
         ...:
    
    In [187]: df
    Out[187]:
                       0
    2017-01-01  0.371337
    2017-01-02  0.187369
    2017-01-03  0.976766
    2017-01-04  0.836943
    2017-01-05  0.622517
    2017-01-06  0.337794
    2017-01-07  0.385050
    2017-01-08  0.216031
    2017-01-09  0.223580
    2017-01-10  0.102507

### 17.pandas重采样 ###

> 重采样：指的是将时间序列从一个频率转化为另一个频率进行处理的过程，将高频率数据转化为低频率数据为降采样，低频率转化为高频率为升采样  
> pandas提供了一个resample的方法来帮助我们实现频率转化

In [188]: t = pd.DataFrame(np.random.uniform(10, 50, (100, 1)), index=pd.date
         ...: _range(start='20170101', periods=100))
    
    In [189]: t
    Out[189]:
                        0
    2017-01-01  35.280383
    2017-01-02  47.925842
    2017-01-03  15.328393
    2017-01-04  16.277246
    2017-01-05  21.440968
    ...               ...
    2017-04-06  38.093319
    2017-04-07  32.995266
    2017-04-08  34.061548
    2017-04-09  26.361549
    2017-04-10  36.474314
    
    [100 rows x 1 columns]
    
    In [190]: t.resample("M").mean()
    Out[190]:
                        0
    2017-01-31  28.750880
    2017-02-28  29.117664
    2017-03-31  31.109807
    2017-04-30  32.058395
    
    In [191]: t.resample("QS-JAN").count()
    Out[191]:
                 0
    2017-01-01  90
    2017-04-01  10
    
    In [192]: t.resample("10D").count()
    Out[192]:
                 0
    2017-01-01  10
    2017-01-11  10
    2017-01-21  10
    2017-01-31  10
    2017-02-10  10
    2017-02-20  10
    2017-03-02  10
    2017-03-12  10
    2017-03-22  10
    2017-04-01  10

> 现在我们有北上广、深圳、和沈阳5个城市空气质量数据，请绘制出5个城市的PM2.5随时间的变化情况  
> 观察这组数据中的时间结构，并不是字符串，这个时候我们应该怎么办？  
> 数据来源： [https://www.kaggle.com/uciml/pm25-data-for-five-chinese-cities][https_www.kaggle.com_uciml_pm25-data-for-five-chinese-cities]

### 18.PeriodIndex ###

> 之前所学习的DatetimeIndex可以理解为时间戳  
> 那么现在我们要学习的PeriodIndex可以理解为时间段  
> periods = pd.PeriodIndex(year=data\[“year”\],month=data\[“month”\],day=data\[“day”\],hour=data\[“hour”\],freq=“H”)  
> 那么如果给这个时间段降采样呢？  
> data = df.set\_index(periods).resample(“10D”).mean()

[https_www.kaggle.com_damianpanek_sunday-eda_data]: https://www.kaggle.com/damianpanek/sunday-eda/data
[https_www.kaggle.com_starbucks_store-locations_data]: https://www.kaggle.com/starbucks/store-locations/data
[https_www.kaggle.com_zygmunt_goodbooks-10k]: https://www.kaggle.com/zygmunt/goodbooks-10k
[https_www.kaggle.com_mchirico_montcoalert_data]: https://www.kaggle.com/mchirico/montcoalert/data
[https_www.kaggle.com_uciml_pm25-data-for-five-chinese-cities]: https://www.kaggle.com/uciml/pm25-data-for-five-chinese-cities