python 删掉某一列_利用Python进行数据分析

一、数据分析的基本过程

二、一维数据分析

1-1、NumPy一维数组

NumPy的N - 维数组对象表示为ndarray。ndarray是Python中一个快速、灵活的大型数据集容器。数组允许在整块数据上进行数学计算。

标准的NumPy导入方式为：

import 

生成数组可以使用array函数。

定义一个一维数组array

a = np.array([2, 3, 4, 5, 6])

数组中的元素与其位置的对应关系如下：

（1）查询元素

（2）切片访问

切片访问所指定的区域 [1:3] ，表明查询的元素是从位置 ‘1’ 开始，显示 ‘3-1’ 即2个元素。

（3）循环访问

（4）数据类型

如果没有进行显式指定，np.array会自动推断生成数组的数据类型。数据类型借呗存储在一个特殊的元数据dtype中。

查看数据类型

（5）查看数组是几维数组

使用ndim查看

1-2、NumPy一维数组与列表的区别

（1）NumPy提供了很多统计功能

聚合函数（也叫缩减函数），比如平均值mean()，标准差std()，和sum()。

（2）NumPy数值可以进行向量化计算

定义两个NumPy一维数组

向量相加

向量乘以标量

带有标量计算的算术操作，会将计算参数传递给数组的每一个元素

同尺寸数组之间的比较，会产生一个布尔值数组：

（3）NumPy数组内元素必须是同一数据类型，列表可以是不同数据类型。

2-1、Pandas一维数组

Series是一种一维的数组对象，包含了一个值序列和数据标签（索引index）。

标准的Pandas导入方式为：

import pandas as pd

（1）最简单的序列可以有一个数组形成：

obj = pd.Series([4, 7, -5, 3])

通过打印该数组发现，索引在左边，值在右边，数值类型在最下边。由于我们没有为数据指定索引，默认生成的索引是从0到N-1（N是数据的长度）。

（2）可以通过values属性和index属性分别获取Series对象的值和索引。

（3）创建一个指定索引的数组

获取索引

（4）通过索引访问元素