数据处理分析模块 Pandas（3）

1  NumPy索引切片玫瑰花操作

import numpy as np
import matplotlib.pyplot as plt

img = plt.imread('./rose.jpg')
img.shape # 高、宽度、颜色
# 615高度像素
# 650宽度像素
# 3颜色通道：红绿蓝
img

输出：

array([[[246, 246, 246],
        [246, 246, 246],
        [246, 246, 246],
        ...,
        [246, 246, 246],
        [246, 246, 246],
        [246, 246, 246]],

       [[246, 246, 246],
        [246, 246, 246],
        [246, 246, 246],
        ...,
        [246, 246, 246],
        [246, 246, 246],
        [246, 246, 246]],

       [[246, 246, 246],
        [246, 246, 246],
        [246, 246, 246],
        ...,
        [246, 246, 246],
        [246, 246, 246],
        [246, 246, 246]],

       ...,

       [[246, 246, 246],
        [246, 246, 246],
        [246, 246, 246],
        ...,
        [246, 246, 246],
        [246, 246, 246],
        [246, 246, 246]],

       [[246, 246, 246],
        [246, 246, 246],
        [246, 246, 246],
        ...,
        [246, 246, 246],
        [246, 246, 246],
        [246, 246, 246]],

       [[246, 246, 246],
        [246, 246, 246],
        [246, 246, 246],
        ...,
        [246, 246, 246],
        [246, 246, 246],
        [246, 246, 246]]], dtype=uint8)

img.ndim

输出：3

plt.imshow(img)

# 红色玫瑰
# 蓝色妖姬，贵
# 红绿蓝 ---> 蓝绿红
plt.imshow(img[:,:,::-1]) #前两个#代表原本红绿蓝，后面为从新设置的颜色顺序，倒序

# # 红绿蓝 ---> 绿红蓝
# 花式索引
plt.imshow(img[:,:,[1,0,2]]) #前两个#代表原本红绿蓝，后面为从新设置的颜色顺序

2  pandas

2.1  数据结构

* Python在数据处理和准备方面一直做得很好，但在数据分析和建模方面就差一些。pandas帮助填补了这一空白，使您能够在Python中执行整个数据分析工作流程，而不必切换到更特定于领域的语言，如R。
* 与出色的 jupyter工具包和其他库相结合，Python中用于进行数据分析的环境在性能、生产率和协作能力方面都是卓越的。
* pandas是 Python 的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观地处理关系型、标记型数据。pandas是Python进行数据分析的必备高级工具。
* pandas的主要数据结构是 **Series(**一维数据)与 **DataFrame **(二维数据)，这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数案例
* 处理数据一般分为几个阶段：数据整理与清洗、数据分析与建模、数据可视化与制表，Pandas 是处理数据的理想工具。
* pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple

一维结构Series

import pandas as pd

s = pd.Series(data = [0,3,5,7],index = ['a','b','c','d'])

# 一维Series之前NumPy（自然索引0~n）不同点？区别在于索引，一一对应
s = pd.Series(data = [0,3,5,7]) # 不指定索引，默认

输出：

0    0
1    3
2    5
3    7
dtype: int64

二维结构DataFrame

import pandas as pd

import numpy as np

# Excel 类似
pd.DataFrame(data = np.random.randint(0,150,size = (5,3)),
             columns=['Python','En','Math'],
             index = list('ABCDE'),dtype=np.float32)

输出：

	Python	En	Math
A	140.0	129.0	49.0
B	66.0	120.0	134.0
C	19.0	47.0	35.0
D	84.0	103.0	32.0
E	103.0	9.0	91.0

list('ABCDE')

输出：['A', 'B', 'C', 'D', 'E']

import pandas as pd

import numpy as np

# Excel 类似
# 创建DataFrame第二种方式，字典中的key作为列索引
df = pd.DataFrame(data = {'Python':np.random.randint(100,150,size = 5),
                     'En':np.random.randint(0,150,size = 5),
                     'Math':np.random.randint(0,150,size = 5)},index = list('ABCDE'))
#df.sort_index(ascending=False)#ascending=false则将行索引倒序
# index不设置，则默认自增
df
输出：

  Python En	Math
A	102	70	107
B	116	6	107
C	142	87	45
D	132	145	55
E	130	72	51

2.2  数据查看

import numpy as np
import pandas as pd
# 创建 shape(150,3)的二维标签数组结构DataFrame
df = pd.DataFrame(data = np.random.randint(0,151,size = (150,3)),
                   index = None,# 行索引默认
                   columns=['Python','Math','En'])# 列索引

df['Python'] = df['Python'].astype(np.int16)#可以用这个函数更改数据类型
# 查看其属性、概览和统计信息
df.head(10) # 显示头部10行，默认5个
df.tail() # 显示末尾10行，默认5个
df.shape # 查看形状，行数和列数
df.dtypes # 查看数据类型
df.index # 行索引
df.columns # 列索引
df.values # 对象值，二维ndarray数组
df.describe() # 查看数值型列的汇总统计,计数、平均值、标准差、最小值、四分位数、最大值
df.info() # 查看列索引、数据类型、非空计数和内存信息

2.3  数据输入，保存和输出

import numpy as np
import pandas as pd
df = pd.DataFrame(data = np.random.randint(0,50,size = [5,5]), # 薪资情况
               columns=['IT','化工','生物','教师','士兵'],index = list('ABCDE'))
display(df)
# 保存到当前路径下，文件命名是：salary.csv。csv逗号分割值文件格式
df.to_csv('./保存文件.csv',
          sep = ',', # 文本分隔符，默认是逗号
          header = True,# 是否保存列索引
          index = True) # 是否保存行索引，保存行索引，文件被加载时，默认行索引会作为一列

#输出：

  IT 化工	生物	教师	士兵
A	9	31	41	38	18
B	31	11	6	24	18
C	12	0	32	1	9
D	28	44	18	10	13
E	14	3	17	9	26

并将文件保存在目录

# 读取文件
pd.read_csv('./salary.csv',
            sep = ',',# 默认是逗号
            header = [