一：Numpy简介
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：
一个强大的N维数组对象 ndarray(矩阵)
广播功能函数
整合 C/C++/Fortran 代码的工具
线性代数、傅里叶变换、随机数生成等功能
二：Numpy应用
NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用， 这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。
SciPy 是一个开源的 Python 算法库和数学工具包。
SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。
Matplotlib 是 Python 编程语言及其数值数学扩展包 NumPy 的可视化操作界面。它为利用通用的图形用户界面工具包，如 Tkinter, wxPython, Qt 或 GTK+ 向应用程序嵌入式绘图提供了应用程序接口（API）。
三：Numpy安装
原生的Python安装：
在cmd里面输入pip install numpy在官网中下载相关版本安装
https://pypi.python.org/pypi/numpy
安装后，导入这个库
import numpy as np
并且查看版本：
np.version
Python3.7.4
Numpy 1.18.5
Pandas 1.0.5
四：ndarray对象
ndarray的创建
ndarray的属性
ndarray的索引与切片
多维数组
五：ndarray的创建
Numpy中的核心对象是ndarray
ndarray可以看成数组，类似于R语言的向量或者矩阵
Numpy里面所有的函数都是围绕ndarry展开的。
# 通过python list创建 array >>> a = np.array([1,2,3,4]) >>> b = np.array([5,6,7,8]) >>> c = np.array([[1,2,3,4],[5,6,7,8]]) >>> print(b) # [5 6 7 8] >>> print(c) # [[1 2 3 4] [5 6 7 8]]ndarray对维数没有限制
[]从内到外分别是第0轴，第1轴，第2轴。
c第0轴长度为4，第1轴长度为2.
Numpy提供了专门用于生成ndarray的函数，提高创建ndarray的速度
# 通过arange方法产生数组 >>> a = np.arange(0,1,0.1) # start=0 end=1 step=0.1(间隔) [0.,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9] # 创建等差数列 >>> b = np.linspace(2.0, 3.0, num=5) array([ 2. , 2.25, 2.5 , 2.75, 3. ]) # 二维数组 >>> c = np.array([[1,2,3,4],[5,6,7,8]]) [[1 2 3 4] [5 6 7 8]] # 二维全0矩阵 >>> e = np.zeros([2,3]) [[0. 0. 0.] [0. 0. 0.]]
还可以自定义函数产生ndarray。
>>> def func(i): return i % 4 + 1 >>> np.fromfunction(func, (10,)) array([1., 2., 3., 4., 1., 2., 3., 4., 1., 2.])fromfunction第一个参数接收计算函数，第二个参数接收数组的形状。
六：ndarray的属性
- ndarray的元素具有相同的元素类型dtype。常用的有int(整型)，float(浮点型),complex(复数型),
>>> a = np.array([1,2,3,4],dtype=float)
[1. 2. 3. 4.]
>>> print(a.dtype)
dtype('float64')
- ndarray的shape属性用来获得它的形状，也可以自己指定。
>>> c = np.array([[1,2,3,4],[5,6,7,8],[7,8,9,10]])
>>> print(c.shape)
(3, 4)
>>> a = np.array([1,2,3,4])
>>> d = a.reshape((2,2)) # 维度变换
>>> print(d)
[[1 2]
[3 4]]
- size元素个数
>>> a = np.array([[1,2,3,4],[5,6,7,8]])
>>> print(a.size)
8
- ndim 数组维度
>>> a = np.array([[1,2,3,4],[5,6,7,8]])
>>> print(a.nidm)
2
- itemsize属性每个元素的大小，以字节为单位 。
>>> c = np.array([[1,2,3,4],[5,6,7,8],[7,8,9,10]])
>>> print(c.itemsize)
4
七：切片索引
Numpy数组的切片索引，不会复制内部数组数据，仅创建原始数据的新视图，以引用方式访问数据。
切片索引的要点：
切片索引适用于有规律的查找指定位置的元素（元素位置位于等差序列）；
当切片的数量少于数组维度时，缺失的维度索引被认为是一个完整切片，
省略与使用“:”或“…”等价；
八：一维数组的切片索引
- ndarray对象的内容可以通过索引或切片来访问和修改，和list是一样的。
>>> a = np.arange(10)
>>> a
array([0,1,2,3,4,5,6,7,8,9])
>>> a[::-1] # 逆序 [9,8,7,6,5,4,3,2,1,0]
>>> a[5] # 5
>>> a[3:5] # [3,4]
>>> a[:5] # 从索引0开始取5个元素 [0,1,2,3,4]
>>> a[:-1] # 从最后一个索引开始向前取所有的元素[0,1,2,3,4,5,6,7,8]
>>> a[1:-1:2] # 从索引1开始到最后一个结束，每2个取一个[1,3,5,7]
>>> a[5:1:-2] # [5,3]
>>> a[...] # 索引全部元素，与a[:]等价
- 可以通过切片的对ndarray中的元素进行更改。
>>> a[2:4] = 100,101
>>> a
[0 1 100 101 4 5 6 7 8 9]
- ndarray通过切片产生一个新的数组b，b和a共享同一块数据存储空间。
>>> a = np.array([0,1,100,101,4,5,6,7,8,9])
>>> b = a[3:7]
[101 4 5 6]
>>> b[2] = -10
[101 4 -10 6]
>>> a
[0 1 100 101 4 -10 6 7 8 9]
- 如果想改变这种情况，我们可以用整数数组索引对数组元素切片。
>>> b = a[[3,3,-3,8]]
array([100,101,7,8])
>>> b[2] = 100
array([100,101,100,8])
>>> a
[0 1 100 101 4 -10 6 7 8 9]
九：数组的轴(二维数组)
二维数组有2个轴，轴索引分别是0和1。
>>> a = np.array([[1,2,3], [4,5,6]])
>>> print(a[1][2], a[1,2])
6 6
>>> b = a.T # 数组转置
[[1 4]
[2 5]
[3 6]]
十：二维数组切片索引
- 多维数组同样适用上述索引提取方法。
>>> a = np.array([[1,2,3],[3,4,5],[4,5,6]])
[[1 2 3]
[3 4 5]
[4 5 6]]
>>> print(a[1:])
[[3 4 5]
[4 5 6]]
- 切片还可以包括省略号 …，来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号，它将返回包含行中元素的 ndarray.
>>> a = np.array([[1,2,3],[3,4,5],[4,5,6]])
>>> print (a[...,1]) # 第2列元素
>>> print (a[1,...]) # 第2行元素
>>> print (a[...,1:]) # 第2列及剩下的所有元素
十一：高级索引
NumPy 比一般的 Python 序列提供更多的索引方式。除了用整数和切片的索引外，数组可以由整数数组索引、布尔索引及花式索引创立原数组的副本。
- 整数数组索引
>>> x = np.array([[1, 2], [3, 4], [5, 6]])
>>> y = x[[0,1,2], [0,1,0]]
>>> print (y)
[1 4 5] # 获取数组中(0,0)，(1,1)和(2,0)位置处的元素
>>> a = np.array([[1,2,3], [4,5,6],[7,8,9]])
>>> b = a[1:3, 1:3]
c = a[1:3,[1,2]]
>>> d = a[...,1:]
>>> print(b) # [[5 6], [8,9]]
>>> print(c) # [[5 6], [8,9]]
>>> print(d) # [[1 2], [5 6], [8,9]]
- 布尔索引
布尔索引通过布尔运算（如：比较运算符）来获取符合指定条件的元素的数组
>>> x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])
# 现在我们会打印出大于 5 的元素
>>> b = x[x > 5]
>>> print('大于5的元素是\n{}'.format(b))
大于 5 的元素是：
[ 6 7 8 9 10 11]
# 使用了 ~（取补运算符）来过滤 NaN。
>>> a = np.array([np.nan, 1,2,np.nan,3,4,5])
>>> print (a[~np.isnan(a)])
[ 1. 2. 3. 4. 5.]
- 花式索引
花式索引指的是利用整数数组进行索引。
花式索引根据索引数组的值作为目标数组的某个轴的下标来取值。对于使用一维整型数组作为索引，如果目标是一维数组，那么索引的结果就是对应位置的元素；如果目标是二维数组，那么就是对应下标的行。
花式索引跟切片不一样，它总是将数据复制到新数组中。
>>> x=np.arange(32).reshape((8,4)) # 传入倒序索引
>>> print (x[[4,2,1,7]]) >>> print (x[[-4,-2,-1,-7]])
[[16 17 18 19] [[16 17 18 19]
[ 8 9 10 11] [24 25 26 27]
[ 4 5 6 7] [28 29 30 31]
[28 29 30 31]] [ 4 5 6 7]]
>>> x=np.arange(32).reshape((8,4))
>>> print(x[np.ix_([1,5,7,2],[0,3,1,2])]) # 输出4*4矩阵
# 其元素分别是
# x[1,0] x[1,3] x[1,1] x[1,2]
# x[5,0] x[5,3] x[5,1] x[5,2]
# x[7,0] x[7,3] x[7,1] x[7,2]
# x[2,0] x[2,3] x[2,1] x[2,2]
# 相当于：
# y=np.array([[x[1,0], x[1,3], x[1,1], x[1,2]],\
[x[5,0], x[5,3], x[5,1],x[5,2]],\
[x[7,0] ,x[7,3], x[7,1], x[7,2]],\
[x[2,0], x[2,3], x[2,1], x[2,2]]])
[[ 4 7 5 6]
[20 23 21 22]
[28 31 29 30]
[ 8 11 9 10]]
十二：NumPy 广播
广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式， 对数组的算术运算通常在相应的元素上进行。
如果两个数组 a 和 b 形状相同，即满足 a.shape == b.shape，那么 a*b 的结果就是 a 与 b 数组对应位相乘。这要求维数相同，且各维度的长度相同。
# 当运算中的 2 个数组的形状不同时，numpy 将自动触发广播机制。
>>> a = np.array([1,2,3])
>>> b = np.array([[0, 0, 0], [10,10,10], [20,20,20], [30,30,30]])
>>> c = a + b
>>> print (c)
[[ 1 2 3]
[11 12 13]
[21 22 23]
[31 32 33]]
十三：ufunc函数
算术运算
比较运算与布尔运算
十四：ufunc简介
ufunc是universal function的简称，它是一种能对数组每个元素进行运算的函数。Numpy的许多ufunc函数都是用C实现的，因此它们的运算速度非常快。
值得注意的是，对于等长度的ndarray，np.sin()比math.sin()要快，但是对于单个数值，math.sin()比较快
十五：算术运算
Numpy提供了的许多ufunc函数，它们和相应的的运算符运算结果相同。
>>> a = np.arange(0,4) # [0 1 2 3]
>>> b = np.arange(1,5) # [1 2 3 4]
>>> np.add(a,b)
[1 3 5 7]
>>> a+b
[1 3 5 7]
>>> np.substract(a,b) # 减法
>>> np.multiply(a,b) # 乘法
>>> np.divide(a,b) # 如果两个数字都为正数，则为整数除法
>>> np.power(a,b) # 乘方
十六：比较运算
使用==，>对两个数组进行比较，会返回一个布尔数组，每一个元素都是对应元素的比较结果。
>>> a = np.array([1,2,3]) < np.array([3,2,1])
>>> print(a)
[True False False]
布尔运算在Numpy中也有对应的ufunc函数。
十七：Numpy的函数库
随机数
求和，平均值，方差
大小和排序
统计函数
操作多维数组
十八：随机数
Numpy提供了大量对于数组运算的函数。可以简化逻辑，提高运算速度。
Numpy产生随机数的模块在random里面，其中有大量的分布。
>>> from numpy import random as nr
>>> np.set_printoptions(precision=2) # 显示小数点后两位
>>> r1 = nr.rand(4,3) >>> r2 = nr.poisson(2.0,(4,3))
[[0.41 0.45 0.56] [[1 2 3]
[0.77 0.49 0.85] [5 3 0]
[0.18 0.88 0.62] [5 2 0]
[0.6 0. 0.89]] [3 1 1]]
十九：求和，平均值，方差
>>> np.random.seed(42)
>>> a = np.random.randint(0,10,size=(4,5))
>>> np.sum(a)
96
a np.sum(a,axis=1)行 np.sum(a,axis=0)列
____________ ___________________ ___________________
[[6,3,7,4,6], [26,28,24,18] [22,13,27,18,16]
[9,2,6,7,4],
[3,7,7,2,5],
[4,1,7,5,1]]
keepdims可以保持原来数组的维数。
np.sum(a,1,keepdims=True) np.sum(a,0,keepdims=True)
_________________________ ___________________
[[26], [22,13,27,18,16]
[28],
[24],
[18]]
二十：大小与排序
Numpy在排序等方面常用的函数如下：
min,max都有axis，out，keepdims等参数，我们来看其他函数。
>>> a = np.array([1，3，5，7])
>>> b = np.array([2,4,6])
>>> np.maxinum(a[None,:],b[:,None]) # maxinum返回两组矩阵广播计算后的结果
[[2 3 5 7],
[4 4 5 7],
[6 6 6 7]]
sort()对数组进行排序会改变数组排序的内容，返回一个新的数组。axis的默认值是-1，即按最终轴进行排序。axis=0对每列上的值进行排序。
>>> a = np.array([
[4, 7, 4, 5],
[2, 7, 3, 5],
[6, 6, 6, 7]
])
>>> b = np.sort(a)
>>> print(b)
[[4 4 5 7]
[2 3 5 7]
[6 6 6 7]]
>>> a = np.array([
[4, 7, 4, 5],
[2, 7, 3, 5],
[6, 6, 6, 7]
])
>>> b = np.sort(a, axis=0)
>>> print(b)
[[2 6 3 5]
[4 7 4 5]
[6 7 6 7]]
二十一：Pandas简介
Pandas 是 Python 的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观地处理关系型、标记型数据。Pandas 的目标是成为 Python 数据分析实践与实战的必备高级工具，其长远目标是成为最强大、最灵活、可以支持任何语言的开源数据分析工具。经过多年不懈的努力，Pandas 离这个目标已经越来越近了。
Pandas 适用于处理以下类型的数据：
与 SQL 或 Excel 表类似的，含异构列的表格数据; 有序和无序（非固定频率）的时间序列数据; 带行列标签的矩阵数据，包括同构或异构型数据; 任意其它形式的观测、统计数据集, 数据转入 Pandas 数据结构时不必事先标记
安装：pip install pandas
二十二：Pandas数据结构
Pandas 里，轴的概念主要是为了给数据赋予更直观的语义，即用“更恰当”的方式表示数据集的方向。这样做可以让用户编写数据转换函数时，少费点脑子。
处理 DataFrame 等表格数据时，index(行)或 columns(列)比 axis 0 和 axis 1 更直观。用这种方式迭代 DataFrame 的列，代码更易读易懂：
for col in df.columns:
series = df[col]
Pandas 基础数据结构，包括各类对象的数据类型、索引、轴标记、对齐等基础操作。首先，导入 NumPy 和 Pandas：
import numpy as np
import pandas as pd
二十三：Pandas数据结构简介
Pandas 基础数据结构，包括各类对象的数据类型、索引、轴标记、对齐等基础操作。首先，导入 NumPy 和 Pandas：
import numpy as np
import pandas as pd
Series 是带标签的一维数组，可存储整数、浮点数、字符串、Python 对象等类型的数据。轴标签统称为索引。调用 pd.Series 函数即可创建 Series：
s = pd.Series(data, index=index)
上述代码中，data 支持以下数据类型：
Python 字典
多维数组
标量值（如，5）
二十四：Series
index 是轴标签列表。不同数据可分为以下几种情况：
data 是多维数组时，index 长度必须与 data 长度一致。没有指定 index 参数时，创建数值型索引，即 [0, ..., len(data) - 1]。
>>> s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
>>> print(s)
a 0.469112
b -0.282863
c -1.509059
d -1.135632
e 1.212112
dtype: float64
>>> print(s.index)
>>> Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
二十五：字典生成Series
- Series 可以用字典实例化：
>>> d = {'b': 1, 'a': 0, 'c': 2}
>>> print( pd.Series(d))
b 1
a 0
c 2
dtype: int64
- 如果设置了 index 参数，则按索引标签提取 data 里对应的值。
>>> d = {'a': 0., 'b': 1., 'c': 2.}
>>> print( pd.Series(d))
a 0.0
b 1.0
c 2.0
dtype: float64
- 如果设置了 index 参数，则按索引标签提取 data 里对应的值。
>>> d = {'a': 0., 'b': 1., 'c': 2.}
>>> print( pd.Series(d))
a 0.0
b 1.0
c 2.0
dtype: float64
>>> print(pd.Series(d, index=['b', 'c', 'd', 'a']))
b 1.0
c 2.0
d NaN
a 0.0
dtype: float64
二十六：标量值生成Series
data 是标量值时，必须提供索引。Series 按索引长度重复该标量值。
>>> d = pd.Series(5., index=['a', 'b', 'c', 'd', 'e'])
>>> print(d)
a 5.0
b 5.0
c 5.0
d 5.0
e 5.0
dtype: float64
二十七：Series类似多维数组
- Series 操作与 ndarray 类似，支持大多数 NumPy 函数，还支持索引切片。
>>> s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
>>> print(s[0])
0.4691122999071863
>>> print(s[:3])
b 5.0
c 5.0
d 5.0
e 5.0
dtype: float64
>>> print(s[s > s.median()])
a 0.469112
e 1.212112
dtype: float64
>>> s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
>>> print(s[[4, 3, 1]])
e 1.212112
d -1.135632
b -0.282863
dtype: float64
>>> print(np.exp(s))
a 1.598575
b 0.753623
c 0.221118
d 0.321219
e 3.360575
dtype: float64
>>> print(s.dtype) # Series 的数据类型一般是 NumPy 数据类型
dtype('float64')
- Series.array 用于提取 Series 数组。
>>> s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
>>> print(s.array)
<PandasArray>
[ 0.4691122999071863, -0.2828633443286633, -1.5090585031735124,
-1.1356323710171934, 1.2121120250208506]
Length: 5, dtype: float64
- 执行不用索引的操作时，如禁用自动对齐，访问数组非常有用。Series.array 一般是扩展数组。简单说，扩展数组是把 N 个 numpy.ndarray 包在一起的打包器。Pandas 知道怎么把扩展数组存储到 Series 或 DataFrame 的列里。
>>> s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
>>> print(s.to_numpy())
# Series 只是类似于多维数组，提取真正的多维数组，要用 Series.to_numpy()。
>>> array([ 0.4691, -0.2829, -1.5091, -1.1356, 1.2121])
二十八：Series类似字典
- Series 类似固定大小的字典，可以用索引标签提取值或设置值：
>>> s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
>>> print(s['a'])
0.4691122999071863
>>> s['e'] = 12.
>>> print(s)
a 0.469112
b -0.282863
c -1.509059
d -1.135632
e 12.000000
dtype: float64
>>> print('e' in s)
True
>>> print('f' in s)
False
- 引用 Series 里没有的标签会触发异常：
>>> s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
>>> print(s['f'])
KeyError: 'f'
- 引用 Series 里没有的标签会触发异常：
>>> s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
>>> print(s.get('f'))
>>> s.get('f', np.nan)
nan
二十九：矢量操作与对齐 Series 标签
Series 和 NumPy 数组一样，都不用循环每个值，而且 Series 支持大多数 NumPy 多维数组的方法。
>>> s = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
>>> print(s + s)
a 0.938225
b -0.565727
c -3.018117
d -2.271265
e 24.000000
dtype: float64
>>> print(s * 2)
a 0.938225
b -0.565727
c -3.018117
d -2.271265
e 24.000000
dtype: float64
三十：名称属性
Series 支持 name 属性：
>>> s = pd.Series(np.random.randn(5), name='something')
>>> print(s)
0 -0.494929
1 1.071804
2 0.721555
3 -0.706771
4 -1.039575
Name: something, dtype: float64
>>> print(s.name)
'something'
>>> s2 = s.rename("different")
>>> print(s2.name)
'different'
三十一：DataFrame
DataFrame 是由多种类型的列构成的二维标签数据结构，类似于 Excel 、SQL 表，或 Series 对象构成的字典。DataFrame 是最常用的 Pandas 对象，与 Series 一样，DataFrame 支持多种类型的输入数据：
一维 ndarray、列表、字典、Series 字典
二维 numpy.ndarray
结构多维数组或记录多维数组
Series
DataFrame
除了数据，还可以有选择地传递 index（行标签）和 columns（列标签）参数。传递了索引或列，就可以确保生成的 DataFrame 里包含索引或列。Series 字典加上指定索引时，会丢弃与传递的索引不匹配的所有数据。
三十二：用 Series 字典或字典生成 DataFrame
生成的索引是每个 Series 索引的并集。先把嵌套字典转换为 Series。如果没有指定列，DataFrame 的列就是字典键的有序列表。
>>> d = {'one': pd.Series([1., 2., 3.], index=['a', 'b', 'c']),
'two': pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}
>>> df = pd.DataFrame(d)
>>> print(df)
one two
a 1.0 1.0
b 2.0 2.0
c 3.0 3.0
d NaN 4.0
>>> pd.DataFrame(d, index=['d', 'b', 'a'])
one two
d NaN 4.0
b 2.0 2.0
a 1.0 1.0
>>> print(s2.name)
'different'
>>> print(pd.DataFrame(d, index=['d', 'b', 'a'], columns=['two', 'three']))
two three
d 4.0 NaN
b 2.0 NaN
a 1.0 NaN
>>> print(df.index)
Index(['a', 'b', 'c', 'd'], dtype='object')
>>> print(df.columns)
Index(['one', 'two'], dtype='object')
三十三：用多维数组字典、列表字典生成 DataFrame
多维数组的长度必须相同。如果传递了索引参数，index 的长度必须与数组一致。如果没有传递索引参数，生成的结果是 range(n)，n 为数组长度。
>>> d = {'one': [1., 2., 3., 4.],
'two': [4., 3., 2., 1.]}
>>> print(pd.DataFrame(d))
one two
0 1.0 4.0
1 2.0 3.0
2 3.0 2.0
3 4.0 1.0
>>> pd.DataFrame(d, index=['a', 'b', 'c', 'd'])
one two
a 1.0 4.0
b 2.0 3.0
c 3.0 2.0
d 4.0 1.0
三十四：用结构多维数组或记录多维数组生成 DataFrame
与数组字典的操作方式相同。
>>> data = np.zeros((2, ), dtype=[('A', 'i4'), ('B', 'f4'), ('C', 'a10')])
>>> data[:] = [(1, 2., 'Hello'), (2, 3., "World")]
>>> res = pd.DataFrame(data)
>>> print(res)
A B C
0 1 2.0 b'Hello'
1 2 3.0 b'World'
>>> res1 = pd.DataFrame(data, index=['first', 'second'])
A B C
first 1 2.0 b'Hello'
second 2 3.0 b'World'
>>> pd.DataFrame(data, columns=['C', 'A', 'B'])
C A B
0 b'Hello' 1 2.0
1 b'World' 2 3.0
三十五：用列表字典生成 DataFrame
与数组字典的操作方式相同。
>>> data2 = [{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}]
>>> res = pd.DataFrame(data2)
>>> print(res)
a b c
0 1 2 NaN
1 5 10 20.0
>>> res1 = pd.DataFrame(data2, index=['first', 'second'])
a b c
first 1 2 NaN
second 5 10 20.0
>>> res2 = pd.DataFrame(data2, columns=['a', 'b'])
a b
0 1 2
1 5 10
三十六：用元组字典生成 DataFrame
元组字典可以自动创建多层索引 DataFrame。
>>> res = pd.DataFrame({('a', 'b'): {('A', 'B'): 1, ('A', 'C'): 2},
('a', 'a'): {('A', 'C'): 3, ('A', 'B'): 4},
('a', 'c'): {('A', 'B'): 5, ('A', 'C'): 6},
('b', 'a'): {('A', 'C'): 7, ('A', 'B'): 8},
('b', 'b'): {('A', 'D'): 9, ('A', 'B'): 10}})
>>> print(res)
a b
b a c a b
A B 1.0 4.0 5.0 8.0 10.0
C 2.0 3.0 6.0 7.0 NaN
D NaN NaN NaN NaN 9.0
三十七：用Series字典对象生成 DataFrame
>>> df2 = pd.DataFrame({'A': 1.,
'B': pd.Timestamp('20130102'),
'C': pd.Series(1, index=list(range(4)), dtype='float32'),
'D': np.array([3] * 4, dtype='int32'),
'E': pd.Categorical(["test", "train", "test", "train"]),
'F': 'foo'})
A B C D E F
0 1.0 2013-01-02 1.0 3 test foo
1 1.0 2013-01-02 1.0 3 train foo
2 1.0 2013-01-02 1.0 3 test foo
3 1.0 2013-01-02 1.0 3 train foo
>>> print(df2.dtypes )
A float64
B datetime64[ns]
C float32
D int32
E category
F object
dtype: object
三十八：数据输入 / 输出
写入CVS:
df.to_csv('foo.csv')
三十九：查看数据
查看 DataFrame 头部和尾部数据：
>>> df.head()
A B C D
2013-01-01 0.469112 -0.282863 -1.509059 -1.135632
2013-01-02 1.212112 -0.173215 0.119209 -1.044236
2013-01-03 -0.861849 -2.104569 -0.494929 1.071804
2013-01-04 0.721555 -0.706771 -1.039575 0.271860
2013-01-05 -0.424972 0.567020 0.276232 -1.087401
>>> df.tail(3)
A B C D
2013-01-04 0.721555 -0.706771 -1.039575 0.271860
2013-01-05 -0.424972 0.567020 0.276232 -1.087401
2013-01-06 -0.673690 0.113648 -1.478427 0.524988
显示索引与列名：
>>> df.index
DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',
'2013-01-05', '2013-01-06'],
dtype='datetime64[ns]', freq='D')
>>> df.columns
Index(['A', 'B', 'C', 'D'], dtype='object')
# DataFrame.to_numpy()
输出底层数据的 NumPy 对象
DataFrame 的列由多种数据类型组成时，该操作耗费系统资源较大，这也是 Pandas 和 NumPy 的本质区别：NumPy 数组只有一种数据类型，DataFrame 每列的数据类型各不相同。
DataFrame.to_numpy() 的输出不包含行索引和列标签。
describe() 可以快速查看数据的统计摘要：
>>> print(df.describe())
A B C D
count 6.000000 6.000000 6.000000 6.000000
mean 0.073711 -0.431125 -0.687758 -0.233103
std 0.843157 0.922818 0.779887 0.973118
min -0.861849 -2.104569 -1.509059 -1.135632
25% -0.611510 -0.600794 -1.368714 -1.076610
50% 0.022070 -0.228039 -0.767252 -0.386188
75% 0.658444 0.041933 -0.034326 0.461706
max 1.212112 0.567020 0.276232 1.071804
数据转置：
>>> print(df.T)
A B C D
2013-01-01 2013-01-02 2013-01-03 2013-01-04 2013-01-05 2013-01-06
A 0.469112 1.212112 -0.861849 0.721555 -0.424972 -0.673690
B -0.282863 -0.173215 -2.104569 -0.706771 0.567020 0.113648
C -1.509059 0.119209 -0.494929 -1.039575 0.276232 -1.478427
D -1.135632 -1.044236 1.071804 0.271860 -1.087401 0.524988
四十：获取数据
选择单列，产生 Series，与 df.A 等效：
>>> print(df['A'])
2013-01-01 0.469112
2013-01-02 1.212112
2013-01-03 -0.861849
2013-01-04 0.721555
2013-01-05 -0.424972
2013-01-06 -0.673690
Freq: D, Name: A, dtype: float64
用 [ ] 切片行：
四十一：按标签选择
用标签提取一行数据：
用标签选择多列数据：
用标签切片，包含行与列结束点：
返回对象降维：
快速访问标量
四十二：按位置选择
用整数位置选择：
类似NumPy/Python，用整数切片：
类似 NumPy / Python，用整数列表按位置切片：
显式整行切片：
显式整列切片：
显式提取值：
快速访问标量，与上述方法等效：
四十三：布尔索引
用单列的值选择数据：
选择 DataFrame 里满足条件的值：
用isin()筛选：
四十四：赋值
用索引自动对齐新增列的数据：
按NumPy数组赋值：
按标签赋值：
按位置赋值：
四十五：缺失值
Pandas 主要用 np.nan 表示缺失数据。 计算时，默认不包含空值。详见缺失数据。
重建索引（reindex）可以更改、添加、删除指定轴的索引，并返回数据副本，即不更改原数据。
删除所有含缺失值的行：
填充缺失值：
提取 nan 值的布尔掩码：
四十六：合并（Merge）
结合（Concat）
Pandas 提供了多种将 Series、DataFrame 对象组合在一起的功能，用索引与关联代数功能的多种设置逻辑可执行连接（join）与合并（merge）操作。
四十七：连接（join）
SQL 风格的合并
SQL 风格的合并
四十八：追加（Append）
为 DataFrame 追加行。
四十九：分组（Grouping）
“group by” 指的是涵盖下列一项或多项步骤的处理流程：
分割：按条件把数据分割成多组；
应用：为每组单独应用函数；
组合：将处理结果组合成一个数据结构。
先分组，再用 sum()函数计算每组的汇总数据：
多列分组后，生成多层索引，也可以应用 sum 函数：
版权归原作者 顾城沐心 所有， 如有侵权，请联系我们删除。