python中的array函数作用_数据分析的python基底（3）——array、Series、DataFrame笔记...

《利用python进行数据分析》的第4、5章介绍了两个非常重要的包，NumPy和Pandas，这篇文章是我看这两章做的笔记，只列了要点和我觉得要留意的地方。

电子书和配套代码，还有一些学习资源，猴子在这里都提供拉：猴子：如何学习《利用python进行数据分析》这本书？​zhuanlan.zhihu.com

（我看的是英文新版，针对Python3，信我，英语过四级的绝对能看懂，别怕！）

Ch4. NumPy

NumPy包中最重要的对象是多维数组（ndarray），数组里的数据叫元胞（cell）。

ndarray（简称array）

数组内元胞必须是同种数据类型，shape-查看行列，.dtype-查看元胞类型，.ndim-查看维度。修改元胞类型可用.astype(np.float64)，这个方法可以把string类型的数值转换成纯数值。

构造方法

（不加dtype参数的话默认创建float64类型）list转array，np.array，指定元素类型：arr = np.array([1,1,2], dtype = np.int32)，注：元素等长的list转换成array会变成多维

np.zeros(shape)，单个数字就是一维的，两个是二维（行，列）

np.empty((length,shape))，例np.empty((2,2,3))，只分配地址，不赋初值

np.full((shape),fill_value)

np.arange(5)，结果是array([0,1,2,3,4])

arr2 = np.ones_like(arr1) 或zeros_like(arr1)，

np.random.normal(size=(4,4))，标准正态分布array最重要的特征是“向量化”，等长的array间能进行数学运算。

array的切片和list不同，array的切片不是copy，而是映射view，提取切片修改它的数值原始的array也会被修改！要想复制可用arr[5:8].copy()。切片里可以直接用判断语句，如data[data < 0]

一个神奇的功能：可以用boolean判断得到的True作为数组的下标，但boolean数组必须与目标数组等长，返回的是copy，例子：

4. “fancy index” ：arr[[1, 5, 7, 2], [0, 3, 1, 2]]，这里选择的是(1,0),(5,3),(7,1),(2,2)

5. array.T，最正常的转置。transpose和swapaxes用shape去理解，<详细例子理解> 如：transpose(2,1,0) = shape[0,1,3]—>[3,1,0] , swapaxes(2,1) = shape[0,1,3]—>[0,3,1]

array里一些好用的函数np.where(条件con，替代值x，替代值y)，相当于语句x if con else y. 例如np.where(arr>0, 2, arr)，数组arr中大于0的元胞变成2，其他不变。

求统计值系列：.mean/sum/cumsum(累加)/cumprod(累乘)/min/max/std/var（方差）…...可带参数axis指定计算方向，0列1行。（这样能实现统计学上的降维，估计是为了建模时拟合度更好。）

排序sort(1)，参数0列1行

集合属性系列：仅对一维数组有效

Ch5. Pandas

Series

Series就是带索引（index）的一维array，开头的S必须大写。

构造方法obj = pd.Series([4, 7, -5, 3], index=['d', 'b', 'a', 'c'])。不带参数的话默认使用数字索引0、1、2….（这里，为了避免数字索引和行数混淆，如果索引是int，在切片时默认[]内是索引而不是行数）

.Series(dict) 传入字典，key自动作为索引

关于索引注意，用[索引]切片时左右都是闭区间，如obj['b':'c']是b和c行，用行数切片时是左闭右开，如obj[1:3]是1、2行

可以通过索引访问、修改元素，多个索引这样表示：s[['a','c']]

可以直接新增元素，obj['d'] = 6

s.index查看索引和类型（索引不是非要int）对Series使用函数，作用的是Series的copy，要赋值后才会改变Series本尊，比如s.reindex(['b','a','d','c'])修改下标，s本身不会变，要s=s.reindex(['b','a','d','c'])才行。

常用isnull, notnull查缺失值，.sort_index默认按行升序

关于axis的特别提醒

看了一些例子后搞不清楚axis=1到底是按行还是按列。。其实正确来记axis应该被当做动词理解，就是axis=0代表往跨行（down)，而axis=1代表跨列（across)，

换句话说:使用0值表示沿着每一列或行标签\索引值向下执行方法

使用1值表示沿着每一行或者列标签方向执行对应的方法

DataFrame

理解成“表”，每一列的数据可以是不同类型，每一列是一个Series。列索引叫column，行索引叫index，它们还能有更具体的名字表达实际含义，（看起来更像一张表了）例子：

构造方法np.DataFrame()，传入等长字典（嵌套字典也行）、list或者array，可指定参数column与index

读取文件，比如.read_csv(),.read_Excel()

增删改查由列索引读取某列数据：df.name或df['name']。'name'列不存在的话直接df['name']=[…]就会创建,但df.name不行。

由行、列索引读取：df.loc['a':'c',’age‘]，a\c是行索引，age列索引

由行数、列数读取：如df.iloc[1]是第二行，df.iloc[2,[0,1]]是第三行的一、二列

df[(df.class =='second') & (df.age < 20)]，[]里写查询条件，或者用query函数里写SQL语句：df.query('(age < 20) and (class=="second")')

联合起来用，df.iloc[ :,:3 ][ df.age>5 ]，在指定区域查找

粗暴地删除某列用 del df['age']或 df.drop('age',axis=1)，删除某行 df.drop(行索引)。如果想只删除age列为14，15，16的某几行可以这样写：df=df[(True-df['age'].isin([14,15,16]))] ，参考自<这里>

修改某列Series的类型，df.age = df.age.astype('str') （牢记上面提到的函数对Series的copy起作用）。

一些函数

排序 .sort_value(by=[索引])

.rename(index= ,columns= ),实际上当做“复制df”来用而不是中文字面的重命名。会创建copy而不是更改本尊，如果想直接改本尊请带上inplace=True参数。还可以在参数中更改特定的index，如

data.rename(index={'OHIO': 'INDIANA'},

columns={'three': 'peekaboo'})

在实际练习中遇到疑难会再补充