python数据可视化之美学习笔记——数据处理基础

数据处理基础

Numpy：数值运算

数组的创建

数组的索引与变换

numpy.flatten()返回一份拷贝，对拷贝所做的修改不会影响原始矩阵。

numpy.ravel()返回的是视图，会影响原始矩阵。

数组的组合

数组的统计函数

Pandas:表格处理

Series数据结构

数据结构:DataFrame

• 获取数据框的行数、列数和维数：df.shape[0]或len(df)、df.shape[1]、df.shape。
• 获取数据框的列名和行名：df.columns、df.index。
• 重新定义列名：df.columns=[‘X’,‘Y’,‘Z’]
• 重新更改某列的列名：df.rename(columns={‘x’:‘X’},inplace=True)。注意，如果缺失inplace选项，则不会更改，而是增加新的列。
• 观察数据框的内容
  • df.info()：info属性表示打印DataFrame的属性信息。
  • df.head()：查看前五行的数据信息。
  • df.tail()：查看后五行的数据信息。

创建空数据框：df_empty = pd.DataFrame(columns=[‘x’,‘y’,‘z’])

数据类型：Categorical

分类数据的创建

类别的更改

类型的转换

表格的变换

变量的变换

表格的排序

表格的拼接

表格的融合

表格的分组操作

按行或列操作

分组操作：groupby()函数

分组聚合：aggregate()函数

分组运算：transform()函数

分组筛选:filter()函数

数据的导入与导出

CSV格式数据的导入与导出

TXT格式数据的导入与导出

Excel格式数据的导入与导出

缺失值的处理