利用python进行数据分析——笔记

 

目录

第4章 Numpy基础

第5章 Pandas入门

---

第4章 Numpy基础

数组运算：大小相等的数组间、数组和标量间的算术运算都会将运算应用到各个元素。

数组的比较运算会产生bool型数组。示例：

• 数组切片：

arr[5:8]是从下标5 到下标7

将一个标量值赋给一个切片时，该值会自动传播到整个选区。

数组切片与列表不同，数组切片时原始数组的视图，修改会直接反映到源数组上。

如果想得到ndarray切片的副本，则需要 arr[5:8].copy()

 

• N维数组：

N维数组 递归访问：arr2d[0][2]       索引访问：arr2d[0,2]

N维数组可多轴切片。 arr2d[:2,1:]

N维的 整数索引 和 切片 混合， 示例：arr2d[1,:2]。

仅有：（冒号）时表示选取整个轴

 

• 花式索引：向数组[]内传入一个用于指定顺序的整数列表或ndarray 

如arr为5*4数组，

arr=[[0,0,0,0],

[1,1,1,1],

[2,2,2,2],

[3,3,3,3],

[4,4,4,4] ]

则 arr[[4,3,0,1]] 为：

[[4,4,4,4],

[3,3,3,3],

[0,0,0,0],

[1,1,1,1]] 

 

• arr.T #转置

np.dot(arr.T,arr) # 计算矩阵内积 

矩阵乘法：dot函数   x.dot(y) # 相当于np.dot(x,y) 

通用函数：对ndarray中的数据执行元素级运算； 如sqrt、exp（这些是一元），maximum、add、multiply（这些是二元，可以接受两个数组，并返回一个结果数组）。

 

• where

arr3=np.where(条件,arr1,arr2)  # 满足条件则arr3[i]为arr1，否则为arr2；    arr1、arr2也可以是标量；

arr=np.where(arr>0,2,arr) # 只将正值设置为2 。

 

• 布尔型数组

bools.any() # 数组中是否存在>=1个True

bools.all() # 数组中是否所有值都是True

 

• 排序

arr.sort[ ]

只在一个轴上排序 arr.sort[1]

 

• np.unique # 找到一维ndarray中的唯一值并返回已排序的结果

np.uniques(ages) 等同于sorted(set(names))

---

第5章 Pandas入门

• drop方法：删除指定行或列（许多方法，如drop可以就地修改对象，但不会返回新的对象）

• sort_index 方法：对行索引或列索引进行排序

• 对DataFrame进行索引就是获取一个或多个列，如 data['country'] 为获取country这一列；

但有几个特殊情况：data[:2]是对DataFrame切片，选取的是行。