pandas 对某一行标准化_3-3-1 初识Numpy和Pandas

当年学Python饶了不少原路，跋山涉水终于到了心目中数据分析的核心区域，接下来要学习的内容对自己来说都是新的知识，打起精神，充满好奇心地探索未知领域。同时，不要忘了学习的初心，是为了早日找到一份理想的数据分析工作，而不只是为了打发时间而学习。

一维数据结构

• Numpy
  • numpy用array方法来定义一维数组

• • numpy一维数组和python的列表类似，以下是相同的部分
    • 查询元素a[0]

• • • 切片访问a[1:3]

• • • 循环访问for i in a

• • • 用dtype查看数据类型

• • numpy一维数组和python的列表的区别
    • 统计功能。平均值mean()，标准差std()

• • • 向量化计算。加法和乘法

• • • array类的数据类型必须一致
• Pandas
  • pandas用series方法来定义一维数组，比numpy功能更多
  • Pandas可以通过index来指定索引

• • 用describe来获取描述统计信息

• • 两种属性获取元素
    • iloc属性根据位置获取值

• • • loc属性根据定义的索引获取值

• • 如何避免向量计算结果中空值的出现
    • 用dropna方法删除缺失值

• • • 使用add方法中的fill_value参数，将缺失值进行填充

二维数据结构（有点类似excel的二维表格）

• Numpy
  • numpy还是通过array方法来定义二维数组

• • 查询元素a[0,2]

• • 获取第一行a[0,:]

• • 获取第一列a[:,0]

• • 数轴参数
    • Axis=1 按行计算
    • Axis=0 按列计算

• Pandas
  • pandas通过dataframe方法来定义二维数组

• • numpy中每个元素都属于同一种类型，在数值计算中有用，但不利于表示excel中的内容
  • pandas的二维数组相比numpy有两个优点
    • 每一列可以是不同数据类型
    • 有索引的功能，行和列都有一个索引值
  • 通过字典传入dataframe，key是每一列的属性，value是每个属性的所有值
  • 为了让列名按照原表顺序，需要导入OrderDict
  • 平均值计算按列来求平均值

• • 两种方法获取元素
    • iloc方法根据位置获取值

• • • loc根据定义的索引获取值(更常用)，理解获取某一个元素，通过行名获取某一行和通过列名获取某一列

• • 查询某几列。a[x,z]查询x和z列
  • 通过切片功能，查询某几列。a.loc[x,z]查询x,y,z列
  • 通过条件判断筛选
    • 构建查询条件
    • 应用查询条件