NumPy和pandas

NumPy

NumPy（Numerical Python的缩写）是一个开源的Python科学计算模块，其中包含了许多实用的数学函数，用来处理数值型数据。

属性

有很多属性可以描述N维数组，最常用的两个属性分别是数据类型和维度。

NumPy数组的数据类型指的是数组中存储的元素类型，可以是：整型（int）、浮点型（float）、布尔型（bool）等。

需要注意的是，NumPy数组中的所有元素类型必须是一致的。

维度

一维空间：一根直线，在这样的空间里，只能前进或者后退，所以只有长度的概念。
二维空间：一个平面，在这个平面上，除了前进后退，还可以向左或者向右，所以有长度和宽度的概念
三维空间：一个立方体，在这个空间里，除了前进后退，向左向右外，还可以向上或者向下移动，所以有长度，宽度和高度的概念。

NumPy数组的维度和我们平常说的维度非常相似，接触最多的通常是一维（1D）和二维（2D）数组，可以通过中括号[ ]的层数来确定。

[…]表示一维数组，和Python中的列表长得很像。
在使用print()输出时，它们的区别在于数组之间的元素是用空格分隔，而列表是以逗号分隔。
一维数组的所有元素都在同一行里，一行可以有多个元素。

导入numpy

在终端上输入：pip install numpy即可

创建一维数组

最简单的方式是NumPy中的array()函数

arr = np.array([1,2,3,4,5])
print(arr)  #输出：[1 2 3 4 5]

注意：
array()参数为任意序列型对象，也就是列表，元组，数组等数据结构，都可以作为参数传入，函数返回的一维数组赋值给了变量arr
数组打印出来后，数组之间的元素是用空格分隔。

数组算数

import numpy as np
arrOne = np.array([[0.2,0.9],[0.5,0.1],[0.1,0.7]])
arrTwo = np.array([[10,5],[20,5],[1,3]])
print(arrOne+2)
print(arrOne+arrTwo)

注意：
当数组和数字计算时，NumPy会将该数字的计算过程应到数组的所有元素上
当相同形状的数组进行计算时，运算也是在相应的元素上进行。

Pandas

安装Pandas

在终端输入：pip install pandas

Series

定义：
Series，中文叫做序列，pandas模块的一种数据类型，是一个一维的，带索引的数组对象
注意点：

1. Series的值可以是多种数据类型：字符串，整型，浮点型，布尔型
2. 一个Series在print输出时，值的数据类型在底部，用dtype表示出来
3. 一个Series里的所有值，数据类型都是一样的

import pandas as pd
  # 构建一个Series数据
info = pd.Series([111,222,333,444],index = ['F','S','T','F'])
  # 位置索引
print(info[0])  # 输出111
 # 标签索引
print(info["S"])  # 输出222

1.位置索引访问。这种访问方式和列表相同，是基于元素自身的下标来进行访问。
2.索引标签访问。这种访问方式和字典相同，把index中的索引标签当做字典的key

Series的三种属性

1.dtype
我们访问Series对象的dtype属性，可以返回Series对象的数据类型，
2.values
我们访问Series对象的values属性，会以数组的形式返回Series对象的值values
3.index
我们访问Series对象的index属性，可以返回这个Series的索引index。

import pandas as pd
info = pd.Series([111,222,333,444],index = ['FI',"SE","TH","FO"])
 # 输出了info中的数据的类型
print(info.dtype)
 # 输出了info中的值values
print(info.values)
 # 输出了info的索引index
print(info.index)

DataFrame

DataFrame的轴

轴：是用来为超过一维的数组定义属性
对于DataFrame而言：
第0轴垂直向下，即axis=0是垂直方向的操作
第1轴水平向右，即axis=1是水平方向进行操作

DataFrame的定义

中文是数据框
是一个二维的矩阵数据表，通过行和列。可以定位一个值

定位

既有行索引(index),可以用来定位到具体的某一行
也有列索引(columns),用来定位到具体的某一列
通过index和columns，可以定位到一个值，能快速进行数据的筛选和定位到一个值，能快速进行数据的筛选和定位

DataFrame构造函数

df = pd.DataFrame(data,index=city)
第一个参数：
data,表示需要传入的数据，可以使字典，列表等。若不传入，会生成一个空的DataFrame。
第二个参数:
index,用于定义DataFramed的行索引。只需要将一个列表赋值给参数index.
如果不传入参数，index就会从0开始生成

import pandas as pd
data = {'第一季度':[55,78,93,44],'第二季度':[87,55,64,50],'第三季度':[62,67,72,58]}
cost = ["食品","日用品","交通出行","生活服务"]
df = pd.DataFrame(data,index=cost)
print(df)

DataFrame的3中常用属性

1.dtypes
访问dtypes，可以返回DataFrame的每一列数据的数据类型
2.values
访问values，会以数组的形式返回DataFrame对象的值
3.index
访问index，获取它的行索引index

import pandas as pd
data = {'rank':[1,2,3,4],'GDP':[80888,77754,68452,47854]}
city = ['GD','JS','SD','ZH']
 # 构造DataFrame赋值给df
df = pd.DataFrame(data,index=city)
  # 输出dtypes属性
print(df.dtypes)
  # 输出values属性
print(df.values)
 # 输出index属性
print(df.index)