numpy和pandas是python进行数据分析的非常简洁方便的工具,话不多说,下面先简单介绍一些关于他们入门的一些知识。下面我尽量通过一些简单的代码来解释一下他们该怎么使用。以下内容并不是系统的知识体系,我只是尽可能把最基础的知识点列写一下。
一、numpy
1、array
1 importnumpy2 list_1 = [1,2,3,4]3 array_1 = numpy.array(list_1) #一维数组
4 list_2 = [4,5,6,7]5 array_2 = numpy.array([list_1,list_2]) #二维数组
1 array_2.shape #查看数组特征,eg:2行4列
2 array_2.size #查看元素个数, eg:8
3 array_2.dtype #查看数组类型,eg:int64
注:numpy.arange(n) #与python中的range区别是前面有个a
1 numpy.zeros(s) #全0矩阵,s可以为一个数也可以为一个列表,eg:[2,3]表示2*3的二维数组
2 numpy.eye(a) #单位矩阵,生成的是浮点数
访问数组中元素:
一维:array_1[2] 、array_1[1:4]
二维:array_2[1][2] 、array_2[1,2] 、array_2[:1,1:4]
其中可以根据python中列表的切片来访问数据
2、数组与矩阵运算
~~数组array
1 numpy.random.randn(10) #十个元素的一维数组
2 numpy.random.randint(10,size=20).reshape(4,5) #产生20个10以内的随机整数,后面的reshape是将这些数重新写成一个4*5的二维数组
数组之间维度相同可以直接进行加减乘除(除数不能为0)
numpy.unique(array_1) # 找到里面所有的数但不重复
sum:二维数组中对每一列求和 sum(array_2)
sum(array_2[0) 对第一行求和
sum(array_2[:,0] 对第一列求和
array_2.max() #求最大值,对某行某列求则同sum
~~矩阵matric
1 numpy.mat([1,2,3],[4,5,6]) #生成一个二维矩阵
2 numpy.mat(array_1) #将数组转换成矩阵
注:矩阵之间维度相同可以直接进行加减运算,而乘除运算需要行和列交叉对应,参照线性代数中的知识。
3、input和output:
1 importnumpy as np2 f = open('x.pkl','wb')3 #序列化到硬盘
4
5 #pickle
6 importpickle7 pickle.dump(x,f) #产生pkl文件
8 pickle.load(f) #提取pkl文件
9
10 #numpy本身的工具
11 numpy.save('one_array',x)12 numpy.load('one_array.npy')13 numpy.savez('two_array.npz',a=x,b=y) #对多个进行操作,进行压缩储存
14 c = numpy.load('two_array.npz') #提取文件
15 c['a'] #第一个文件
16 c['b'] #第二个文件
二、pandas
1、Series
1 importnumpy as np2 importpandas as pd3 #下面是创建Series的三种方法
4 #方法1:s1 = pd.Series([1,2,3,4])
5 #方法2:s2 = pd.Series(np.arange(10)) # 通过numpy.arange创建
6 #方法3:s3 = pd.Series({'1':1,'2':2,'3':3}) # 通过字典创建
7 s1.values #查看值
8 s1.index #查看索引
9 s4 = pa.Series([1,2,3,4],index=['A','B','C','D']) #设置索引
10 s4.to_dict() #转化成字典
11 pd.isnull(s4) #判断其中元素是否为NaN,pd.notnull()同理
2、DataFrame
1 from pandas importSeries,DataFrame2 #通过粘贴板导入dataframe
3 df = pd.read_clipboard() #在此之前需要你copy一个表
4 df.columns #输出列名
5 df.'列名' #输出列的数值(是一个Series)
6 df_new = DataFrame(df,columns=['列名1','列名2'])7 s1 = pd.Series(df['列名']) #输出这一列,dataframe的每一列是一个series
8 s1.index\values 即对series操作,或者通过s1['索引值']
df1.iterrows() #返回一个生成器,可以用for循环来访问
eg: for row in df1.iterrows():
print(row) #返回的数据为一个tuple
s1,s2,s3为3个Series,用其组成一个人dataframe:
df_new = pd.DataFrame([s1,s2,s3],index=['A','B','C'])
# index是每个Series的名称
# 初始是按横向拼接成的dataframe
df1 = df1.T #转置,转置之后就和直接用dataframe生成的一样了
三、IO操作:
1、从粘贴板读取
1 df1 =pd.read_clipboard()2 df1.to_clipboard() #写入粘贴板
2、CSV文件
1 df1.to_csv('名字.csv',index=False) #false则表示不添加索引号
2 df2 = pd.read_csv('df1.csv') #读取CSV文件
3、json
1 df1.to_json() #转化成json文件
2 pd.read_json(df1.to_json()) #读取json文件
4、html
1 df1.to_html('df1_html') #转换成HTML文件
5、excel
1 df1.to_excel('df1.xlsx') #生成Excel文件
四、Selecting and Indexing
1 df.head() #返回前五行
2 df.tail() #返回后五行
3 #返回更多的内容则在括号中写出来,不写则默认为五行
4 df.iloc[:,:] #索引切片,定位,基于index,与索引名无关
5 df.loc[:,:] #根据索引名来,label来过滤
Reindex:
~~series
1 s1.reindex(index=['A','B','C','D','E'],fill_value=10)2 #fill_value 是指当重新写的index中有原来没有的,那么他本身输出为NaN,fill值为添加到这个索引下的值
3 #创建一个新Series,另一种赋值的方法
4 s2 = Series(['A','B','C','D'],index=[1,5,10])5 s2.reindex(index=range(15)) #生成15个索引的Series,除了原有的其他的都是NaN
6 s2.reindex(index=range(15),method='ffill') #在上一步的基础上,按顺序将上一个value填充到他下面的几个中(forward fill)
7 s1.drop('A') #表示删除A的内容
~~dataframe
1 #创建一个5*5的,通过numpy进行reshape
2 df1 = DataFrame(np.random.rand(25).reshape([5,5]),index=['A','B','D','E','F'],colums=['c1','c2','c3','c4','c5']) #遗漏的index中的C,通过reindex来恢复
3 df1.reindex(index=['A','B','C','D','E','F']) #C被恢复并把value填充为NaN
4 #columns 同理
5 #当index减少时就表现出切割的现象
6 df1.drop('A',axis=0) #axis=0,代表删除行;axis=1,代表删除列(后面遇到axis同样是这个意思)
五、NaN
n = np.nan
type(n) 是个浮点数float
与nan的运算结果均是nan
nan in series:
s1.isnull\notnull() 判断是否为nan
s1.dropna() # 删除掉value为NaN的行
nan in dataframe:
判断同series
1 df.dropna(axis=0,how='any',thresh=None) #axis表示行和列0,1来表示,how为any时表示有Nan就删掉,为all时表示全为nan时才删掉;thresh表示一个界限,超过这个数字的nan则被删掉
2 df.fillna(value=1) #表示所有为nan的地方填充为1
3 df.fillna(value={0:0,1:1,2:2,3:3}) #表示第一列的填充1,第二列的填充2,后面同理
注:dropna,fillna不改变原始数组
六、多级index
index=[['1','1','1','2','2','2'],['a','b','c','a','b','c']] # 1,2为一级标题,abc为二级标题,即1的series下有abc,原始series下有1,2;获取内容时,可以s1['1']['a']
s1[:,'a'] 返回所有一级series里的a
与dataframe的转换:
df1 = s1.unstack()
逆转换:
s2 = df1.unstack() # 这时一二级换了位置
s2 = df1.T.unstack() # 这时是和原始完全一样的
注:dataframe的index和columns都可以转换成多级的
七、mapping and replace
当想在一个dataframe中加一列(columns),可以直接加df['列名']=Series([数据])
也可以通过map:创建一个字典,字典中的键是dataframe中的columns:
df1['新列名'] = df1['字典中的键那一列'].map(那个字典) 这个可以固定对应位置,方便改值,可以指定index来改值
replace in series:
1 s1.replace({1,np.nan}) #通过字典来改值
2 s1.replace([1,2,3],[10,20,30]) #把123索引改成10,20,30
作者:渔单渠
以上内容是我的一点点总结,希望能给有需要的朋友带来带你帮助,也希望有大神来指点指点。