亚洲免费在线-亚洲免费在线播放-亚洲免费在线观看-亚洲免费在线观看视频-亚洲免费在线看-亚洲免费在线视频

淺析Python數據處理

系統 1562 0

Numpy、Pandas是Python數據處理中經常用到的兩個框架,都是采用C語言編寫,所以運算速度快。Matplotlib是Python的的畫圖工具,可以把之前處理后的數據通過圖像繪制出來。之前只是看過語法,沒有系統學習總結過,本博文總結了這三個框架的API。

以下是這三個框架的的簡單介紹和區別:

  • Numpy:經常用于數據生成和一些運算
  • Pandas:基于Numpy構建的,是Numpy的升級版本
  • Matplotlib:Python中強大的繪圖工具

Numpy

Numpy快速入門教程可參考:Numpy tutorial

Numpy屬性

ndarray.ndim:維度

ndarray.shape:行數和列數,例如(3, 5)

ndarray.size:元素的個數

ndarray.dtype:元素類型

Numpy創建

array(object, dtype=None):使用Python的list或者tuple創建數據

zeors(shape, dtype=float):創建全為0的數據

ones(shape, dtype=None):創建全為1的數據

empty(shape, dtype=float):創建沒有初始化的數據

arange([start, ]stop, [step, ]dtype=None):創建固定間隔的數據段

linspace(start, stop, num=50, dtype=None):在給定的范圍,均勻的創建數據

Numpy運算

加、減:a + b、a - b

乘:b*2、10*np.sin(a)

次方:b**2

判斷:a<35,輸出True或False的數組

矩陣乘:np.dot(A,B) 或 A.dot(B)

其他:+=、-+、sin、cos、exp

Numpy索引

數組索引方式:A[1, 1]

切片:A[1, 1:3]

迭代:for item in A.flat

Numpy其他

reshape(a, newshape):改變數據形狀,不會對原始數據進行修改,返回一組新數據

resize(a, new_shape):改變數據形狀,會對原始數據進行修改,不返回數據

ravel(a):將成一維返回

vstack(tup):上下合并

hstack(tup):左右合并

hsplit(ary, indices_or_sections):水平分割n份

vsplit(ary, indices_or_sections):垂直分割n份

copy(a):深度拷貝

Pandas

Pandas快速入門教程可參考:10 Minutes to pandas

Pandas數據結構

Pandas的數據結構有兩種:Series和DataFrame。

Series:索引在左邊,值在右邊。創建方式如下:

            
In [4]: s = pd.Series([1,3,5,np.nan,6,8])
In [5]: s
Out[5]: 
0  1.0
1  3.0
2  5.0
3  NaN
4  6.0
5  8.0
dtype: float64
          

DataFrame:是一個表格型的數據結構,既有行索引也有列索引, 它可以被看做由Series組成的大字典。創建方式如下:

            
In [6]: dates = pd.date_range('20130101', periods=6)

In [7]: dates
Out[7]: 
DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',
        '2013-01-05', '2013-01-06'],
       dtype='datetime64[ns]', freq='D')

In [8]: df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))
          

Pandas查看數據

index:索引

columns:列索引

values:值

head(n=5):返回前n項數據

tail(n=5):返回后n項數據

describe():打印出數據的數量、平均值等各項數據

sort_index(axis=1, ascending=False):根據索引排序

sort_values(by='B'):根據索引值排序

Pandas選擇數據

數組選擇方式:df[‘A']

切片選擇方式:df[0:3] 或 df[‘20130102':'20130104']

根據標簽選擇:df.loc[‘20130102':'20130104',[‘A','B']]

根據位置選擇:df.iloc[3:5,0:2]

混合選擇:df.ix[:3,[‘A','C']]

條件判斷選擇:df[df.A > 0]

Pandas處理丟失數據

刪除丟失數據的行:df.dropna(how='any')

填充丟失數據:df.fillna(value=5)

數據值是否為NaN:pd.isna(df1)

Pandas合并數據

pd.concat([df1, df2, df3], axis=0):合并df

pd.merge(left, right, on='key'):根據key字段合并

df.append(s, ignore_index=True):添加數據

Pandas導入導出

df.to_csv(‘foo.csv'):保存到csv文件

pd.read_csv(‘foo.csv'):從csv文件讀取

df.to_excel(‘foo.xlsx', sheet_name='Sheet1'):保存到excel文件

pd.read_excel(‘foo.xlsx', ‘Sheet1', index_col=None, na_values=[‘NA']):從excel文件讀取

Matplotlib

這里只介紹最簡單的出圖方式:

            
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 隨機生成1000個數據
data = pd.Series(np.random.randn(1000),index=np.arange(1000))
# 為了方便觀看效果, 我們累加這個數據
data.cumsum()
# pandas 數據可以直接觀看其可視化形式
data.plot()
plt.show()
          

?


更多文章、技術交流、商務合作、聯系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號聯系: 360901061

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會非常 感謝您的哦!!!

發表我的評論
最新評論 總共0條評論
主站蜘蛛池模板: 欧洲一级毛片免费 | 香蕉成人在线视频 | 在线观看国产精品日本不卡网 | 欧美另类69xxxxx视频 | 欧美成人一区亚洲一区 | 日韩av成人 | 日韩a无吗一区二区三区 | 国产xxxx69免费大片 | 免费精品久久久久久中文字幕 | 亚洲精品久久激情影院 | 婷婷综合久久狠狠色99h | 特级黄一级播放 | 99精品在线播放 | 男人天堂网在线观看 | 日本涩涩网站 | 国产一级特黄特色aa毛片 | 黄色一级片a | 成人午夜爽爽爽免费视频 | 日韩欧美国产高清在线观看 | 亚洲乱码视频在线观看 | 美国特级成人毛片 | 亚洲精品国产国语 | 国产97色在线 | 免费 | 国产综合另类小说色区色噜噜 | 看毛片网 | 激情综合五月网 | 日韩深夜视频 | 综合色亚洲 | 久久国产影院 | 久久亚洲伊人 | 中文字幕伦理聚合第一页 | 在线观看人成午夜影片 | 欧美真人视频一级毛片 | 国产精品久久久久久五月尺 | 不卡欧美| 久久综合图区亚洲综合图区 | 99久久免费国产特黄 | 欧美精品blacked中文字幕 | 台湾一级毛片免费播放 | 日本一级特黄毛片免费视频 | 色婷婷六月桃花综合影院 |