python学习2016.3.31

（1）用type()可以查看任意数据类型。

如果是单个数值，则显示具体数值类型；如果是存储容器，则显示对应的存储类型。

示例：

输出结果：

注：

<1>若果不用np.mat([])定义矩阵或数组，用[ ]定义的存储类型都是List，无论是[]还是[[ ]]。

<2>数据框对应pandas包，df =pd.DataFrame()由于有多个列，查看各列对应数据类型时，用df.dtypes，一定要是复数形式，如果是定义的是序列，s = pd.Series()，则可以用单数形式s.dtype，s.dtypes也不错。

<3>df.__class__和type（df）的效果是一样的，其他数据类型都可以用，比如x.__class__和type(x)，x可以是任意的数据对象。

<4>使用df.dtypes可以返回对应的数据类型，int，float，如果是非数值型，比如字符型，混合型，则会返回object，便于数据处理数值型和非数值型的分开，但是type()做不到。

 

（2）数据框查看数据df

l  查看前面和末尾几行，df.head(n)，df.tail(n)，n可要可不要。

l  查看列名df.colmns，查看行标df.index，查看值df.values，查看概述df.describe。

l  选取指定的行df[0:5]，1-4行，选取列df[‘列名’]。

l  用对应标签（index，colmns）选取，df.loc[[index1，index2]， [‘列名1’，’列名2’]]。

l  用整数下标选择，df.iloc[3:5，0:2]，取3、4行，0、1列，从0开始计数。

l  取数据框的值是df.values，返回的是多维数组。

 

（3）lambda匿名函数

输出结果：

输入的参数x，后面是函数规则，与一般函数的定义效果一样，但根据简单灵活。

 

（4）数据框中函数

取出数据框df的var对应列并转换为float型，只要唯一数值的，并排序得到多维数组。

 

注：在终端中试验简单的函数，比在pycharm和notebook中方便

（5）np.diff(x,n,axis)

n代表差分次数，axis=-1是默认，代表一个维度中的相邻数差分，axis=0代表两个维度对应差分。

 

>>>x=np.array([1,2,3,6,7,9,0])

>>> np.diff(x,n=1,axis=-1)

array([ 1,  1, 3,  1,  2, -9])

>>>x=np.array([[1,2,3,6,7,9,0],[4,5,9,8,3,6,8]])

>>>x.diff(x,axis=0)

array([[ 3,  3, 6,  2, -4, -3,  8]])

>>>np.diff(x,axis=-1)

array([[ 1,  1, 3,  1,  2, -9],

       [ 1, 4, -1, -5,  3,  2]])

 

（6）np.empty([],dtype=int,order=C)，依据给定的形状和数据类型返回一个空的数组，值是随机给的。

>>>np.empty([2,2])

array([[  0.00000000e+000,   1.23496922e-263],

       [ 1.23465979e-263,  1.51677620e-314]])

>>>np.empty([2,2],dtype=int)

array([[        0,        24],

       [      25, 158116472]])

 

（7）np.arange(start,stop,step)返回一个数组，从start到stop，左闭右开[a,b)，间隔为step，默认的间隔为1。和range()用法基本一样，但是range(n)中参数一定要是整数，但是np.arange()可以是小数。

>>>np.arange(3)

array([0, 1, 2])

>>>np.arange(3.0)

array([ 0.,  1., 2.])

>>>np.arange(1,9,4)

array([1, 5])

>>>np.arange(1,9,4.0)

array([ 1.,  5.])

 

>>>np.arange(3.2)

array([ 0.,  1., 2.,  3.])

>>>range(3.2)

Traceback (mostrecent call last):

  File "<stdin>", line 1, in<module>

TypeError: range()integer end argument expected, got float.

（8）df[var].quantile(threshold)，var列在阈值threshold对应的分位数，是一种频率分布统计，是一个分位数值，可以比较大小看数值是否落在规定的区间内。

 

（9）s.strip(rm) ：删除s字符串中开头、结尾处，位于 rm删除序列的字符。

 

（10）pd.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False)

将数组分组

参数含义：

Retbins：是否返回bin

 include_lowest：一个区间是否左闭，是否包含最小的那个

>>> x =np.array([0.2,1.4,2.5,3.6,2.9,5,8,7,9.6])

>>>pd.cut(x,3)

[(0.191, 3.333],(0.191, 3.333], (0.191, 3.333], (3.333, 6.467], (0.191, 3.333], (3.333, 6.467],(6.467, 9.6], (6.467, 9.6], (6.467, 9.6]]

Categories (3,object): [(0.191, 3.333] < (3.333, 6.467] < (6.467, 9.6]]

>>>pd.cut(x,3,labels=['one','two','three'])

[one, one, one,two, one, two, three, three, three]

Categories (3,object): [one < two < three]