python第一讲——数据预处理1

1.Numpy基础 

1.1概述

• Numpy的基本用法

  import numpy as np
  
  arr = np.ones(5)
  print(arr)
  type(arr)
  
  >>>[1. 1. 1. 1. 1.]//输出是有点点的
  numpy.ndarray

1.2 Numpy中的数组 

1.2.1创建数组：

           1.从python列表转换：将python列表传递数组函数以创建Numpy数组。

arr = np.array([1,2,3,4,5])
arr
>>>array([1,2,3,4,5])  #每个数字的结尾都有逗号


arr = np.array(range(0,6))
arr
>>>array([0,1,2,3,4,5])

            2.使用Numpy内部功能函数：

arrange() : 用于快速创建一维数组

zero() : 函数创建一个填充0的数组             ones() : 创建一个填充1的数组

                                       

  full() : 函数创建一个填充给定值的数组   

 

2*（3*3）：构建两个三行三列的矩阵，矩阵里面填充6

empty() ：创建一个数组，它的初始内容是随机的，取决于内存的状态 

eye() ：创建对角线为1的数组 

random() ：创建一个填充0到1之间随机值的数组。

np.random.random((2,3))
#和rand,randn参数类型不同，这两个采用可变参数，而random采用元组

>>>array([[0.07558929,0.65113013,0.00673818],
          [0.73596032,0.68664976,0.38539903]])

1.2.2创建向量(向量只有一列）

 

 1.3 数组的操作

1.3.1数据类型

• 通过ndarray的dtype属性可以获取数组的数据类型；此外，在创建数组时，可以使用dtype参数来指定数组的数据类型，astype()方法也可以进行类型转换。

 

 

 1.3.2 数组形状

通过数组对象的shape属性获取到形状。

 resize()：方法会修改数组本身

 1.3.3 数组索引（？）

 

 整数索引、整数数组（列表）索引、切片、布尔数组索引、where()函数

1.3.4 赋值、视图与拷贝（？）

赋值：不会复制数组对象或其数据

视图（浅拷贝）：视图是一个新对象，但它与原数组共享数据。

拷贝（深拷贝）：

2.Pandas基础

2.1概述

2.2Pandas的数据结构

2.2.1Series

是带标签的一维数组，标签又称索引。

1.创建Series对象：

data支持字典、一维数组、标量值

•  使用字典创建：

NaN表示缺失数据

• 使用一维数组创建
• 使用标量创建

 

 2.series的使用

• 索引：支持下标索引和标签索引，也支持切片。（使用下标切片时，不包括最后一个元素，使用标签切片时，包括最后一个元素）
• 自动对齐：按标签对齐。

 

 2.2.2DataFrame

本质上是二维表。

1.创建DataFrame

• 使用二维数组创建

• 使用series字典创建
• 
• 使用列表字典和字典列表创建

 2.查看数据

head():从头开始看

tail():从尾开始看

shape():查看DataFrame的形状

3.数据索引

• [ ]：索引运算符
• loc[ ]:基于标签进行索引，也可以与布尔数组一起使用