本文实例讲述了Python学习笔记之pandas索引列、过滤、分组、求和功能。分享给大家供大家参考，具体如下：
前面我们已经把519961（基金编码）这种基金的历史净值明细表html内容抓取到了本地，现在我们还是需要 解析html，取出相关的值，然后保存为csv文件以便pandas来统计分析。
from bs4 import BeautifulSoup
import os
import csv
# 使用 BeautifulSoup 解析html内容
def getFundDetailData(html):
soup = BeautifulSoup(html,"html.parser")
rows = soup.find("table").tbody.find_all("tr")
result = []
for row in rows:
tds=row.find_all('td')
result.append({"fcode": '519961'
,"fdate": tds[0].get_text()
, "NAV": tds[1].get_text()
, "ACCNAV": tds[2].get_text()
, "DGR": tds[3].get_text()
, "pstate":tds[4].get_text()
, "rstate": tds[5].get_text()
}
)
return result
# 把解析之后的数据写入到csv文件
def writeToCSV():
data_dir = "../htmls/details"
all_path = os.listdir(data_dir)
all_result = []
for path in all_path:
if os.path.isfile(os.path.join(data_dir,path)):
with open(os.path.join(data_dir,path),"rb") as f:
content = f.read().decode("utf-8")
f.close()
all_result = all_result + getFundDetailData(content)
with open("../csv/519961.csv","w",encoding="utf-8",newline="") as f:
writer = csv.writer(f)
writer.writerow(['fcode', 'fdate', 'NAV', "ACCNAV", 'DGR', 'pstate', "rstate"])
for r in all_result:
writer.writerow([r["fcode"], r["fdate"], r["NAV"], r["ACCNAV"], r["DGR"], r["pstate"], r["rstate"]])
f.close()
# 执行 writeToCSV()
pandas 排序、索引列
# coding: utf-8
import pandas
if __name__ == "__main__" :
# 读取csv文件 创建pandas对象
pd = pandas.read_csv("./csv/519961.csv", dtype={"fcode":pandas.np.str_}, index_col="fdate") # 把 fdate 这列设置为 索引列
# 根据索引列 倒序
print(pd.sort_index(ascending=False))
既然fdate列设置为了索引列，那么如果根据索引获取呢？
# 读取csv文件 创建pandas对象
pd = pandas.read_csv("./csv/519961.csv", dtype={"fcode":pandas.np.str_}, index_col="fdate") # 把 fdate 这列设置为 索引列
pd.index = pandas.to_datetime(pd.index)
print(pd["2017-11-29 "]) # 2017-11-29 519961 1.189 1.189 -1.00% 限制大额申购 开放赎回
2、直接指定fdate列就是日期类型
# 读取csv文件 创建pandas对象
pd = pandas.read_csv("./csv/519961.csv", dtype={"fcode":pandas.np.str_}, index_col="fdate", parse_dates=["fdate"]) # 指明fdate是日期类型
print(pd["2017-11-29 "]) # 2017-11-29 519961 1.189 1.189 -1.00% 限制大额申购 开放赎回
打印索引：
print(pd.index) # 打印 索引
可以看出是DatetimeIndex的索引：
DatetimeIndex(['2015-08-13', '2015-08-12', '2015-08-11', '2015-08-10',
'2015-08-07', '2015-08-06', '2015-08-05', '2015-08-04',
'2015-08-03', '2015-07-31',
...
'2015-07-02', '2015-07-01', '2015-06-30', '2015-06-29',
'2015-06-26', '2015-06-25', '2015-06-24', '2015-06-23',
'2015-06-19', '2015-06-18'],
dtype='datetime64[ns]', name='fdate', length=603, freq=None)
3、索引的高级用法
# 取出 2017年7月的 全部数据 print(pd["2017-07"]) # 取出 2017年7月到9月的 数据 print(pd["2017-07":"2017-09"]) # 到2015-07的数据 print(pd[:"2015-07"]) # 取出截至到2015-07的数据 # 然后 倒序 print(pd[:"2015-7"].sort_index(ascending=False))
获取基金日增长率下跌次数最多的月份
result = pd[pd["DGR"].notnull()] # DGR一定要有值
# 过滤掉DGR值里的%号,最后取出小于0的值（负数就表示增长率下跌了 ）
result = result[result['DGR'].str.strip("%").astype(pandas.np.float)<0]
# 按照月份 统计DGR跌的次数
result = result.groupby(lambda d:d.strftime("%Y-%m")).size()
# 对DGR跌的次数 倒序,然后取出前面第一个
result = result.sort_values(ascending=False).head(1)
print(result) # 2016-04 12 意思就是2016年4月份 是该基金DGR下跌次数最多的月份
希望本文所述对大家Python程序设计有所帮助。
