NumPy 中的基本資料結構 ndarray
ndarray 是 NumPy 的基石,它有哪些好處呢?
•對於大計算量的性能非常好,所以 list 做運算的時候一定要轉化為 array
•ndarray 自帶一些非常實用的函數,列舉幾個常用的:sum,shape(返回當前矩陣給的緯度)、argmax 等
具體案例:
In[1]: import numpy as np
In[2]: a_array = np.array([[1,2,3], [1,2,3]]) #創建 ndarray
In[3]: b_array = np.array([(2,2,2), (5,5,5)])
In[4]: a_array.shape #獲取陣列的維度
Out[4]: (2, 3)
In[5]: a_array * b_array #陣列相乘
Out[5]:
array([[ 2, 4, 6], [ 5, 10, 15]])
In[6]: a_array > 3 #判斷陣列中是否每個都大於 3
Out[6]:
array([[False, False, False], [False, False, False]], dtype=bool)
In[7]: np.sin(a_array) #求陣列中每個數位的 sin 值
Out[7]:
array([[ 0.84147098, 0.90929743, 0.14112001], [ 0.84147098, 0.90929743, 0.14112001]])
In[8]: a_array.sum() #求陣列中各項相加的和
Out[8]: 12
In[9]: a_array.sum(axis = 0) #求陣列中每一列的值的和
Out[9]: array([2, 4, 6])
變長字典 Series
基本特徵:
•類似一維陣列的物件
•由資料和索引組成
具體案例:
In[1]: import pandas as pd
In[2]: a_series = pd.Series([1, 2, 3]) #創建索引
In[3]: a_series
Out[3]:
0 1
1 2
2 3
dtype: int64
In[4]: b_series = pd.Series(['apple', 'banana', 'lemon'], index = [1, 'b', 'l']) #自訂索引
In[5]: b_series
Out[5]:
1 apple
b banana
l lemon
dtype: object
In[6]: b_series['l'] #利用索引獲取值
Out[6]: 'lemon'
In[7]: print a_series * 2 #基本運算子,對每個值進行計算
0 2
1 4
2 6
dtype: int64
In[8]: import numpy as np
In[9]: np.exp(a_series) #指數函數運算
Out[9]:
0 2.718282
1 7.389056
2 20.085537
dtype: float64
數據對齊:
In[1]: import pandas as pd
In[2]: data = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah': 5000}
In[3]: index = ['Ohio', 'Texas', 'Utah']
In[4]: a_series = pd.Series(data, index = index) #創建指定 index 的 Series
In[5]: a_series
Out[5]:
Ohio 35000
Texas 71000
Utah 5000
dtype: int64
In[6]: pd.isnull(a_series)
Out[6]:
Ohio False
Texas False
Utah False
dtype: bool
In[7]: b_data = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'California': 83000, 'Nevada': 15000}
In[8]: b_series = pd.Series(b_data)
In[9]: a_series + b_series #在資料運算中自動對齊不同索引的資料
Out[9]:
California NaN
Nevada NaN
Ohio 70000.0
Oregon NaN
Texas 142000.0
Utah NaN
dtype: float64
表格型資料結構 DataFrame
基本特徵:
•一個表格型的資料結構
•含有一組有序的列(類似 index)
•擁有多個列的資料表,每個列擁有一個 Label(類似 excel 的表頭)
•大致可以看成共用一個 index 的 Series 集合
具體案例:
In[1]: import pandas as pd
In[2]: import numpy as np
In[3]: dates = pd.date_range('20161007', periods=6)
In[4]: dates
Out[4]:
DatetimeIndex(['2016-10-07', '2016-10-08', '2016-10-09', '2016-10-10','2016-10-11', '2016-10-12'],dtype='datetime64[ns]', freq='D')
In[5]: df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD')) #創建一個 DataFrame
In[6]: df
Out[6]:
A B C D
2016-10-07 2.437131 0.004184 -0.204022 -0.395558
2016-10-08 0.988348 -0.346398 0.190402 3.268118
2016-10-09 -1.574105 1.491294 0.597307 -0.944745
2016-10-10 -2.362435 0.620811 1.807417 0.345957
2016-10-11 -0.091778 1.408165 -0.121032 0.528897
2016-10-12 -1.319251 0.698142 -1.366151 -0.523682
In[7]: df.dtypes #獲取 DataFrame 的資料結構類型
Out[7]:
A float64
B float64
C float64
D float64
dtype: object
In[8]: df['A'] #根據列名獲取 DataFrame 中的一列,結構為 Series
Out[8]:
2016-10-07 2.437131
2016-10-08 0.988348
2016-10-09 -1.574105
2016-10-10 -2.362435
2016-10-11 -0.091778
2016-10-12 -1.319251
Freq: D, Name: A, dtype: float64
In[9]: df.ix[2] #獲取某一行的資料,結構為 Series
Out[9]:
A -1.574105
B 1.491294
C 0.597307
D -0.944745
Name: 2016-10-09 00:00:00, dtype: float64
In[10]: df.head(2) #獲取前兩行的資料
Out[10]:
A B C D
2016-10-07 2.437131 0.004184 -0.204022 -0.395558
2016-10-08 0.988348 -0.346398 0.190402 3.268118
In[11]: df.T #資料表轉置運算
Out[11]:
2016-10-07 2016-10-08 2016-10-09 2016-10-10 2016-10-11 2016-10-12
A 2.437131 0.988348 -1.574105 -2.362435 -0.091778 -1.319251
B 0.004184 -0.346398 1.491294 0.620811 1.408165 0.698142
C -0.204022 0.190402 0.597307 1.807417 -0.121032 -1.366151
D -0.395558 3.268118 -0.944745 0.345957 0.528897 -0.523682
In[12]: df.sort_values(by='B') #根據 B 序列排序
Out[12]:
A B C D
2016-10-08 0.988348 -0.346398 0.190402 3.268118
2016-10-07 2.437131 0.004184 -0.204022 -0.395558
2016-10-10 -2.362435 0.620811 1.807417 0.345957
2016-10-12 -1.319251 0.698142 -1.366151 -0.523682
2016-10-11 -0.091778 1.408165 -0.121032 0.528897
2016-10-09 -1.574105 1.491294 0.597307 -0.944745
In[16]: del df['A']
In[17]: df
Out[17]:
B C D
2016-10-07 0.004184 -0.204022 -0.395558
2016-10-08 -0.346398 0.190402 3.268118
2016-10-09 1.491294 0.597307 -0.944745
2016-10-10 0.620811 1.807417 0.345957
2016-10-11 1.408165 -0.121032 0.528897
2016-10-12 0.698142 -1.366151 -0.523682
DataFrame 強大的功能還有很多,包括:
•通過標籤選擇資料,比如:df.loc['20130102':'20130104',['A','B']]
•設置表格的值,df.at[dates[0],'A'] = 0
•統計運算,df.mean() 求平均值
•拼接,Merge、ConCat、Join(和 SQL 裡的 Join 是一個意思)
•Grouping,和 SQL 中的 Group By 類似
•Pivot Tables,會使用 excel 的人都不陌生,這就是樞紐分析表功能