python中series按值选行_利用Python进行数据分析(第三篇上)

上一篇文章我记录了自己在入门 Python 学习的一些基础内容以及实际操作代码时所碰到的一些问题。

这篇我将会记录我在学习和运用 Python 进行数据分析的过程：介绍 Numpy 和 Pandas 两个包

运用 Numpy 和 Pandas 分析一维、二维数据

数据分析的基本过程

实战项目【用 Python 分析朝阳医院2018季度的药物销售数据】

一、简单介绍 Numpy 和 Pandas 两个包

NumPy 和 pandas 是 Python 常见的两个科学运算的包，提供了比 Python 列表更高级的数组对象且运算效率更高。常用于处理大量数据并从中提取、分析有用指标。

NumPy 是 Numerical Python 的简称， 它是目前 Python 数值计算中最为重要的基础包。大多数计算包都提供了基于 NumPy 的科学函数功能，将 NumPy 的数组对象作为数据交换的通用语。NumPy 的核心是 ndarray 对象，它封装了 Python 的原生数据类型的N维数组。NumPy 创建的数组在创建时就要有固定大小，数组元素需要有相同的数据类型，NumPy 也可以像Python 数组一样使用切片。矢量化和广播是 Numpy 的特性。

pandas 所包含的数据结构和数据梳理工具的设计使得在 Python 中 进行数据清晰和分析非常快捷。pandas 经常是和其它数值计算工具，比如 NumPy 和 SciPy，以及数据可视化工具比如 matplotlib 一起使用的。 pandas 支持大部分 NumPy 语言风格的数组计算。pandas 可以直观的描述一维和二维数据结构，分别是 Series 对象和 DataFrame 对象，理解起来很直观清晰。pandas 可以处理多种不同的数据类型，可以处理缺失数据，可以分组和聚合，也支持切片功能。

二、运用 NumPy 和 pandas 分析一维、二维数据

首先在 conda 中安装这两个包，安装命令：

conda install numpy, pandas

'''Install two packages in conda, installation command:conda install numpy, pandas'''

# import numpy package

import numpy as np

# import pandas package

import pandas as pd

运用 NumPy 分析一维数据

1.1 定义一维数组：

定义一维数组 array，参数传入的是一个列表 [2,3,4,5]

'''

Definition:

One dimension array, parameters passed was a list[2,3,4,5]

'''

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

1.2 查询：

# check items

a[0]2

1.3 切片访问 - 获取指定序号范围的元素

# section acess: Acquired items from designated range series number

# a[1:3] Acquired items from series no. 1 to series no.3

a[1:3]array([3, 4])

1.4 查询数据类型：

'''

dtype detail info link reference:

https://docs.scipy.org/doc/numpy-1.10.1/reference/arrays.dtypes.html

'''

# Check data types

a.dtypedtype('int32&#