python纵向数据分析_python数据分析三个重要方法之:numpy和pandas

关于数据分析的组件之一：numpy

ndarray的属性 4个必记参数：

ndim：维度

shape：形状（各维度的长度）

size：总长度

dtype：元素类型

一：np.array()产生n维数组

一维：方法一：arr1 = np.array([1,2,3])

方法二：arr6 = np.full((6),fill_value=666)

方法二结果：array([666, 666, 666, 666, 666, 666])

（一行六列）

二维：方法一：arr2 = np.array([[1,2,3],[4,5,6]])

方法二：arr7 = np.full((6, 7), fill_value="5")

（6行7列的二维数组，所有的值全是"5"）

三维：方法一：arr3 = np.array([[[1,2,3],[4,5,6]]])

方法二：arr7 = np.full((5, 6, 3), fill_value="ggg")

（5行二维数组，每个二维数组里面是6行3列的1维数组）

关键点：[]的层数即是维度数

二.数据类型优先级：tr > float > int

numpy默认ndarray的所有元素的类型是相同的

•特列：其中一个数组包含优先级高的数据类型时，所有的数据将会全部转化成优先级高的数据类型。

​

•列如：arr4 = np.array([[1, 2, 3], [4, 5, "five"]])

•打印结果是：array([['1', '2', '3'],['4', '5', 'five']], dtype='

三.matplotlib模块

import matplotlib.pyplot as plt

​

1.使用imread将图片变成多维数组，使用imshow展示图片

图片的数组是三维的分别为：高，宽，灰度值（纵向，横向，灰度值）

img_arr = plt.imread('./cat.jpg')

plt.imshow(img_arr)

​

2.将数组进行加减来改变灰度值：plt.imshow(img_arr - 20)

​

3.查看数组维度：img_arr.ndim

​

4.查看数组横向宽度，纵向高度，维度三个参数：img_arr.shape

四.产生等差一维数组

###### np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) 等差数列

​

1. np.linspace(1, 100, num=10)结果是：1开头，100结尾，将1到100分成十个数，array([ 1., 12., 23., 34., 45., 56., 67., 78., 89., 100.])）

2. np.arange([start, ]stop, [step, ]dtype=None)

np.arange(1, 100, 8)结果：此方法结尾数未被限定（array([ 1, 9, 17, 25, 33, 41, 49, 57, 65, 73, 81, 89, 97])

五.产生等差n维数组

np.random.randint(0,100,size=(5,6)) 产生5行6列的二维数组

结果：array([[23, 88, 34, 82, 17, 26],

[74, 19, 56, 26, 70, 87],

[25, 60, 10, 91, 49, 14],

[84, 63, 37, 83, 26, 42],

[94, 87, 54, 72, 19, 26]])

六.生成的一维数组里是随机数（size决定元素的数量）

生成0到1的随机数，左闭右开：np.random.random(size=5)

结果是 ：array([0.68491561, 0.84337526, 0.61612483, 0.56318751, 0.36816219])

七.nadarray(多为数组）的基本操作

1.索引 (与列表索引操作一致)

​

arr = np.array([[1, 2, 3], [4, 5, 6]])

​

取值 ：arr[0]得到 array([1, 2,3], dtype='

​

改值 ：改一个数组arr[0] = [4,5,6],改某一个具体的值arr[0][1]=2

​

arr1 + arr2 两数组相加，对应索引位置的值相加

arr1 = np.array([[1, 2, 3], [4, 5, 6]])

arr2 = np.array([[1, 2, 3], [4, 5, 6]])

arr1 + arr2

结果array([[ 2, 4, 6],[ 8, 10, 12]])

2.切片

1.获取二维数组前两行：arr[0:2]

2.获取二维数组前两列：arr[:, 0:2]

3.获取二维数组前两行和前两列数据：arr[0:2, 0:2]

4将数据反转arr[::-1,::-1]

1.将数组的行倒序

arr[::-1]#

2.列倒序

arr[:, ::-1]

八.数组的行列数组个数的转化

使用：arr3.reshape(行，列)，

注意点：arr3.reshape(4, -1) # -1这个值表示自动计算行数，自动匹配,

•arr3.reshape(-1, 4) # -1这个值表示自动计算行数，自动匹配, 是一个万能的参数

总结就是：（前提条件是： 列数 x行数 = 总元素数）

•行为-1，则列先满足（先形成四列再得出行），行数 = 总元素个数/列数。

•列为-1，则行先满足（先形成四行再得出列），列数 = 总元素个数/行数。

九.级联（多维数组的拼接）

进行级联, axis参数0表示列(纵向)拼接, 1表示行(橫向)拼接

np.concatenate((a1, a2)，axis=0)

级联需要注意的点：

- 级联的参数是列表：一定要加中括号或小括号

- 维度必须相同

- 形状相符:在维度保持一致的前提下，如果进行横向（axis=1）级联，必须保证进行级联的数组行数保持一致。如果进行纵向（axis=0）级联，必须保证进行级联的数组列数保持一致。

- 可通过axis参数改变级联的方向

十.切分（与级联相反）

np.split(a1, [1, 1, 3], axis=0) 把a1看作整体，把第一行下面为界限切成两个数组，再把这两个堪称一个整体，在第一行下面切一下，进行分割，因为第一行下面是空隙，所以会切出来一个空，再看成整体（空数组不算一行）从第三行的下面切割，形成行数为： 1， 空， 2， 2， 的数组

axis=0横向切，唯为1纵向切。

样式：[array([[97, 56, 62, 57, 90, 22]]),

array([], shape=(0, 6), dtype=int32),

array([[97, 84, 26, 15, 14, 85],

[44, 7, 78, 57, 60, 16]]),

array([[25, 10, 67, 72, 54, 70],

[37, 22, 41, 78, 92, 50]])]

切图片：直接取高，宽的范围，切片img_arr[60:390, 110:600]

​

十一.多维数组的聚合（加减乘除，平方，求最大，和值，最小等）

a1.sum()

最大最小值：np.max/ np.min

### 3. 其他聚合操作

Function NameNaN-safe VersionDescription

np.sumnp.nansumCompute sum of elements

np.prodnp.nanprodCompute product of elements

np.meannp.nanmeanCompute mean of elements

np.stdnp.nanstdCompute standard deviation

np.varnp.nanvarCompute variance

np.minnp.nanminFind minimum value

np.maxnp.nanmaxFind maximum value

np.argminnp.nanargminFind index of minimum value

np.argmaxnp.nanargmaxFind index of maximum value

np.mediannp.nanmedianCompute median of elements

np.percentilenp.nanpercentileCompute rank-based statistics of elements

np.anyN/AEvaluate whether any elements are true

np.allN/AEvaluate whether all elements are true

np.power 幂运算

十二.ndarray(多维数组)的排序

np.sort(a1, axis=0)，最小的行往上移

np.sort(a1, axis=1)，最小的列往左移

​

np.sort()与ndarray.sort()都可以，但有区别：

np.sort(a1,axis=0)不改变输入

a1.sort()本地处理，不占用空间，但改变输入

二.数据分析组件之pandas（Series和DataFrame）

import pandas as pd

from pandas import Series,DataFrame

1.使用列表创建Series 隐式索引 取值s1[0] name为表名

s1 = Series(data=[1,2,3,4,5],name='888')

使用列表创建Series 显式索引 取值s2['a']

s2 = Series(data=[1,2,3,4,5], index=['a','b','c','d','e'],name='888')

2. 由字典创建:不能在使用index.但是依然存在默认索引

dic = {

"English": 100,

"Math": 30

}

s4 = Series(data=dic)

3.Series的索引和切片

可以使用中括号取单个索引（此时返回的是元素类型），或者中括号里一个列表取多个索引（此时返回的是一个Series类型），隐式和显式一样。

取值方式一：

如：s2["数学"]渠取到具体分数

而：s2[["语文", "英语"]] 取到类似表格的：

语文150

英语 150

dtype: int64

取值方式二：

s2.loc["数学"] # 使用loc方法通过显式索引取值

s2.iloc[1] # 使用iloc方法通过隐式索引取值

s2.iloc[[1,3]]当有此时是取一和三

以上两种取值方式都将可以

取值方式三：

s2.iloc[0:3] 右端取不到

s2.loc["语文":"理综"]

4.增加值：

可以把Series看成一个定长的有序字典向Series增加一行：相当于给字典增加一组键值对：s2["aaa"] =1000

可以通过 shape，size，index, values等得到series的属性

s2.shape

可以使用s.head(),s.tail()分别查看前n个和后n个值

使用unique()对Series元素进行去重

series对象间可以相加(相同索引的值相加)

可以使用相关的数据清洗方法: pd.isnull()，pd.notnull()，或s.isnull(),notnull()函数检测缺失数据

2、DataFrame

DataFrame是一个【表格型】的数据结构。DataFrame由按一定顺序排列的多列数据组成。设计初衷是将Series的使用场景从一维拓展到多维。DataFrame既有行索引，也有列索引。

​

1）DataFrame的创建

DataFrame是由多个Series组成的

​

最常用的方法是传递一个字典来创建。DataFrame以字典的键作为每一【列】的名称，以字典的值（一个数组）作为每一列。

​

此外，DataFrame会自动加上每一行的索引。

​

使用字典创建的DataFrame后，则columns参数将不可被使用。

​

同Series一样，若传入的列与字典的键不匹配，则相应的值为NaN。

​

取值：

# 获取前两列df[0:2]，

(1) 对 列 进行索引

- 通过类似字典的方式 df['q']

- 通过属性的方式 df.q

修改列索引：

# 修改列索引

df.columns = ["zhangsan", "lisi"]

(2) 对行进行索引

- 使用.loc[]加index来进行行索引

- 使用.iloc[]加整数来进行行索引

​

方法一：df.loc["数学"]["zhangsan"]取到具体某一行的某一列

方法一：df.loc["数学", "zhangsan"]取到具体某一行的某一列