python基础

python中值传递和引用传递

• 一般对象是引用传递

• 基础数据类型是值传递

NumPy

NumPy 数组中的最大和最小元素

numpy.max(arr)
numpy.min(arr)

NumPy查找最大值的索引

np.unravel_index(A.argmax(), A.shape)

Pandas

pandas对DataFrame做对数运算

    #做log映射
    for nIndexBotton in xrange(begin,end): 
        datas[datas.columns[nIndexBotton]] = datas[datas.columns[nIndexBotton]].apply(np.log2)

Series

Series查找最大值和最大值坐标，最小值和最小值坐标

minPos = minData.idxmin()
maxPos = minData.idxmax()
minData.max()
minData.min()

DataFrame

DataFrame拼接

result = pd.concat([df1, df2], axis= ‘ ')
①axis=0，纵向拼接（默认）
②axis=1，横向拼接

样例

import pandas as pd
df1 = pd.DataFrame({'Name':['张三','李四','王五'], 'Age':[25,26,27]})
df2 = pd.DataFrame({'Name':['大六'],'Age':[30]})

   Age Name
0   25   张三
1   26   李四
2   27   王五
 Age Name
0   30   大六

纵向拼接（默认）

df_concat = pd.concat([df1, df2], keys=['one', 'two'],ignore_index = True) # 重新生成新的索引)
或者
df_concat = pd.concat([df1, df2],ignore_index = True) # 重新生成新的索引)
或者
df_concat = pd.concat([df1, df2],axis=0,ignore_index = True) # 重新生成新的索引)

   Age Name
0   25   张三
1   26   李四
2   27   王五
3   30   大六

如果没有重新生成索引

df_concat2 = pd.concat([df1, df2])

  Age Name
0   25   张三
1   26   李四
2   27   王五
0   30   大六

索引还是保持原来的索引，索引作为数据进行拼接了

横向拼接

result = pd.concat([df1, df2], axis=1)  

 Age Name   Age Name
0   25   张三  30.0   大六
1   26   李四   NaN  NaN
2   27   王五   NaN  NaN