用python做思维导图软件_分享一下python数据处理工具思维导图

声明：内容来自博主亲手制作，转发请先通知。

Numpy:

Numpy优势

内存存储风格

ndarray在中存储的是相同格式的数据

并行化运算

底层是C语言实现

ndarray属性

形状

类型

基本操作

ndarray.方法()

np.函数()

生成数组的方法

生成0和1的数组

np.zeros(shape)

np.ones(shape)

从现有数组中生成

np.array()

np.copy()

浅拷贝np.asarray()

生成固定范围的数组

np.linspace(a,b,c)

[a,b]从a-b有c个元素的数组

np.arrange(a,b,c)

[a,b)从a-b步长为c

生成随机数组

均匀分布

np.random.uniform()

正态分布

np.random.normal()

切片索引

形状修改

ndarray.reshape((a,b))

自动计算ndarray.reshape((-1，N))

ndarray.resize()

ndarray.T

类型修改

ndarray.astype(type)

序列化到本地ndarray.tostring()

数组去重

np.unique()

运算

逻辑运算

布尔索引

通用判断函数

np.all()

np.any()

三维运算符

np.where(布尔值,b,c)

统计运算

统计指标min,max,mean,median,var,std

np.argmax()最大值所在位置

数组间运算

数组与数的运算

数组与数组的运算

广播机制

矩阵运算

二维数组

矩阵相乘

形状

运算规则

Pandas:

Pandas介绍

什么是Pandas-数据处理工具

为什么使用Pandas

便捷的数据处理能力

集成了Numpy和Matplotlib

读取文件方便

Series

结构：带索引的一维数组

属性

index

values

DataFrame

结构：带索引的二维数组

属性

shape

index

columns

values

T

常用方法

head()

tail()

索引设置

修改行列索引

只能整体修改

重设索引

设置索引

df.set_index()

Panel&带Multilndex的DataFrame

基本操作

索引操作

直接索引(先列后行)

.loc按名字索引

.iloc按数字索引

.ix组合索引

赋值操作

排序

内容sort_values()

索引sort_index()

运算

算数运算

逻辑运算

逻辑运算符&布尔索引

函数

query("")

isin()

统计运算

获取综合的统计指标

df.describe()

具体统计指标

min max std var ...(注意axis的设置)

idxmax，idxmin

累计统计指标

cumsum...

自定义运算

df.apply(函数，axis=)

画图

df.plot()

sr.plot()

IO操作

csv

pd.read_csv(path)

useclos

names

df.to_csv(path)

columns

index

header

mode

sr.to_csv(path)

hdf5

pd.read_hdf(path,key=)

df.to_csv(path，key=)

json

pd.read_json(path)

records

lines

df.to_csv(path)

records

lines

Pandas-高级:

缺失值处理

缺失值是NaN类型

判断是否存在np.nan缺失值

pd.isnull(df).any()

pd.notnull(df).all()

两种思路

删除df.dropna()

替换sr.fillna(value,inplace=)

缺失值是其他默认符号

替换df.replace(to_palce="?",value=np.nan)

按照处理nan的步骤

数据离散化

分组

自动分组pd.qcut(data,bins)

自定义分组pd.cut(data,bins)

转换

pd.get_dummies(分好组的数据,predix=)

合并

按方向合并

pd.concat((a,b),axis=)

按索引合并

pd.merge(left,right,how="inner",on=[索引])

交叉表与透视表

pd.crosstab(value1,value2)

df.pivot_table([字段],index=)

分组与聚合

dataframe.groupby(by=).聚合函数()

sr.groupby(sr).聚合函数

Matplotlib:

什么是Matplotlib

为什么用Matplotlib

Matplotlib三层结构

容器层

画板层Canvas

画布层plt.figure(figsize=,dpi=)

绘图区/坐标系figure,axes = plt.subplots(nrows=,nclos=,figsize=,dpi=)

辅助显示层

修改x,y轴刻度plt.xticks()

添加描述信息plt.xlabel()，plt.title()

添加网格plt.grid()

显示图例plt.legend()

图像层(可以设置图像颜色、风格、标签等)

折线图plt.plot()

散点图plt.scatter()

直方图plt.hist()

饼图plt.pie()