numpy和pandas

目录

ndarray数据的创建方法

数组的索引和切片

数组与标量之间的运算（作用于数组中的每一个元素）

numpy一元函数，对ndarray中的数据执行元素级运算的函数

nunpy中二元函数

csv文件，用逗号分隔值

nmupy中随机数函数random

numpy中的统计函数

numpy中的梯度函数

pandas是基于numpy实现的扩展库

---

ndarray数据的创建方法

1.从python中的列表、元组等类型创建ndarray数组

x = np.array(list/tuple)

x = np.array(list/tuple,dtype=np.float32)

当np.array()不指定dtype时，numpy将根据数据情况关联一个dtype类型。

2.使用numpy中函数创建naarray数组，如；array、ones、zeros等

其中ndarray数组的维度变换方法如下图

因此在使用的时候要注意哪些方法是改变原数组，哪些是不改变原数组的，举例如下图：

ndarray数组类型的变化方法astype（），该方法一定会创建新的数组（原始数据的一个拷贝），即使两个类型一致。

naarray数组向列表的转换方法tolist（），如下图：

3.从字节流（raw bytes）中创建ndarray数组

4.从文件中读取特定格式，创建ndarray数组。

 

数组的索引和切片

索引：获取数组中特定位置元素的过程

切片：获取数组元素子集的过程，例如 a[起始编号：终止编号（不含）：步长]

多维数组的索引，举例如下：

多维数组的切片，举例如下：

 

数组与标量之间的运算（作用于数组中的每一个元素）

numpy一元函数，对ndarray中的数据执行元素级运算的函数

nunpy中二元函数

csv文件，用逗号分隔值

使用savetxt函数向csv中写入数据，具体方法如下并举例：

使用loadtxt函数从csv文件中读取数据，具体方法如下并举例：

需要注意的是csv文件只能有效的存储一维或二维数组，np.savetxt()和np.loadtxt()只能有效存取一维或二维数组。

nmupy中随机数函数random

numpy中的统计函数

axis=1指的是对第二维度做运算，即对应行，axis=0即对第一维度做运算，即对应列

numpy中的梯度函数

 

pandas是基于numpy实现的扩展库

pandas提供了两个数据类型：Series（一维），DataFrame（二维及多维）

numpy是基础数据类型，关注数据的结构表达，维度是数据间关系

pandas是扩展数据类型，关注数据的应用表达，维度是数据与索引间关系

series类型由一组数据及与之相关的数据索引构成。有自动索引和自定义索引两种。

自动索引和自定义索引如下图所示：

         

series类型可以由如下类型创建：python列表，标量值，python字典，ndarray，其他函数。

• python列表，index与列表元素个数一致。
• 标量值，index表达series类型的尺寸。
• python字典，键值对中的键是索引，index从字典中进行选择操作。
• ndarray，索引和数据都可以通过ndarray类型创建。
• 其他函数，range（）函数等。

自动索引和自定义索引并存，但不能混用。

series是一维带“标签”的数组。

series基本操作类似ndarray和字典，根据索引对齐。

DataFrame类型

dataframe类型由共用相同索引的一组列组成。

dataframe是一个表格型的数据类型，每列值类型可以不同。

dataframe既有行索引，也有列索引。

dataframe常用于表达二维数据，但可以表达多维数据。

dataframe类型可由以下类型创建；

• 二维ndarray对象
• 由一维ndarray，列表，字典，元组或series构成的字典
• series类型
• 其他的dataframe类型

dataframe是二维带“标签”数组。

dataframe基本操作类似series，依据行列索引。