文章目录

• • 前期准备
  • 1. 使用绝对路径读取本地Excel数据
  • 2. 查看数据前三行
  • 3. 查看每一列数据缺失值情况
  • 4. 提取日期列含有空值的行
  • 5. 输出每列缺失值具体行的情况
  • 6. 删除所有缺失值的行
  • 7. 绘制收盘价的折线图
  • 8. 同时绘制开盘价与收盘价
  • 9. 绘制涨跌的直方图
  • 10. 让直方图给更细致

本章使用的是一个股票的数据集，但是只进行一些基础的操作，数据导入，处理缺失值，查看缺失值的具体情况，绘制图像，在同一个图中绘制两个图，调整绘图的风格

前期准备

导包

import pandas as pd
import numpy as np
# 绘图包
from matplotlib import pyplot as plt

设置绘图的风格和字体的大小，以及显示能中文

plt.style.use('seaborn-darkgrid')  # 绘图的风格
plt.rc('font',size=6)   # 设置字体和字体大小
plt.rc('figure',figsize=(4,3),dpi=150)  # 设置画布的比例，清晰图
# 使图形中的中文正常编码显示
plt.rcParams['font.sans-serif'] = ['SimHei']
# 使坐标轴刻度表签正常显示正负号
plt.rcParams['axes.unicode_minus'] = False

1. 使用绝对路径读取本地Excel数据

注意绝对路径的斜杠和反斜杠的关系

数据集在我的博客资源里面可以找

df = pd.read_excel(r'D:\Python work space\jupyter\Pandas必刷100道题\600000.SH.xls')
df

2. 查看数据前三行

使用head()查看前3行
同样我们也可以使用切片进行查看

# 查看数据前三行
df.head(3)
# 使用切片查看前3行
df.iloc[:3,:]

3. 查看每一列数据缺失值情况

isnull()函数会判断DataFrame中每一个元素是否是空值，如果是空值返回True，否则返回False，然后对每一列求和，结果等于多少就代表空值有多少个

# 查看每一列数据缺失值情况
df.isnull().sum()

4. 提取日期列含有空值的行

关键点布尔值索引

df[df["日期"].isnull()]

5. 输出每列缺失值具体行的情况

因为是每一列，所以要分列逐一进行判断

for columname in df.columns:loc = df[columname][df[columname].isnull().values].index.tolist()print(f"列名:{columname},第{loc}行位置有缺失值")

6. 删除所有缺失值的行

删除空值：dropna 函数

# 删除所有缺失值的行
# axis=0 表示删除行,axis=0表示删除列
# how='any' 删除的条件
# inplace=True是否改变原数据，默认不改变
df.dropna(axis=0,how='any',inplace=True)

7. 绘制收盘价的折线图

折线图：plot()
有两种绘制方法，一种是pandas直接进行绘制，另一种是使用matplotlib接受参数绘制

# 绘制收盘价的折线图
# 方式1
df['前收盘价(元)'].plot()
# 方式2
plt.plot(df['前收盘价(元)'])

8. 同时绘制开盘价与收盘价

这个主要就是绘在同一张图中绘两个折线图

df[['开盘价(元)','收盘价(元)']].plot()

9. 绘制涨跌的直方图

直方图又叫频率分布直方图，是统计在一个区间内，数据出现的次数
默认的会将数据分为10组

10. 让直方图给更细致

调整分组的大小，让直方图绘制的更加细致
调整分组的数量bins=30 将分组调整为30组

plt.hist(df['涨跌幅(%)'],bins=30)