numpy 模块和 pandas 模块
Posted zhuangyl23
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了numpy 模块和 pandas 模块相关的知识,希望对你有一定的参考价值。
一、numpy模块
1.1 numpy 简介
numpy是python的一种开源的数值计算扩展库,这种库可用来存储和处理大型numpy数组。
numpy库有两个作用:
? 1、区别于list列表,提供了数组操作、数组运算、以及统计分布和简单的数学模型
? 2、计算速度快,甚至要优于python内置的简单运算,使得其成为pandas、sklearn等模块的依赖包。高级的框架如TensorFlow、PyTorch等,其数组操作也和numpy非常相似。
1.2 创建numpy数组
numpy数组即numpy的ndarray对象,创建numpy数组就是把一个列表传入np.array()方法
import numpy as np
# 创建一维的ndarray对象
arr =np.array([1,2,3])
print(arr,type(arr)) # [1 2 3] <class 'numpy.ndarray'
# 创建二维的ndarray对象
print(np.array([[1,2,3],[4,5,6]]))
--------------------------------------------------------------------------------
[[1 2 3]
[4 5 6]]
1.3 numpy数组的常用属性
属性 | 解释 |
---|---|
T | 数组的转置(对高维数组而言) |
dtype | 数组元素的数据类型 |
size | 数组元素的个数 |
ndim | 数组的维数 |
shape | 数组的维度大小(以元组形式) |
astype | 类型转换 |
arr = np.array([[1,2,3],[4,5,6]])
print(arr.T) # 行与列互换
--------------------------------------------------------------------------------
[[1 4]
[2 5]
[3 6]]
1.4 切片
arr = np .array([[1,2,3],[4,5,6]])
print(arr[:]) # 取出数组所有元素
print(arr[:,:]) # 取出数组所有元素
print(arr[0,:]) # 取出第0行到第一行的数组
print(arr[0:1,:]) # 取出第0行到第一行的数组,顾头不顾尾
print(arr[0:1,0:1]) # 取出第0行到第一行,第0列到第一列的数组,顾头不顾尾
print(arr[0, 0],type(arr[0, 0])) #取出第0行到第一行,第0列到第一列的数,输出数组类型
print(arr[0, [0,2]]) #取出第0行第0个元素和第2个元素 [1 3]
print(arr[0, 0] + 1) #取出第0行第0列的元素加1 2
1.5 取值
arr = np.array([[1, 2, 3], [4, 5, 6]])
arr[0, :] = 0 #将第0行的元素全部变为0
print(arr)
--------------------------------------------
[[0 0 0]
[4 5 6]]
arr[1, 1] = 1 #将第一行第一列的数字改为1
print(arr)
--------------------------------------------------------------------------------
[[0 0 0]
[4 1 6]]
arr[arr < 3] = 3 # 布尔取值 将小于3的数字全部变为3
print(arr)
--------------------------------------------------------------------------------
[[3 3 3]
[4 3 6]]
1.6 合并
arr1 = np.array([[1, 2, 3], [4, 5, 6]]) # 可变数据类型
arr2 = np.array([[7, 8, 9], [10, 11, 12]]) # 可变数据类型
-------------------------------------------------------
[[1 2 3]
[4 5 6]]
[[ 7 8 9]
[10 11 12]]
print(np.hstack((arr1,arr2))) # 行合并
------------------------------------------------------------
[[ 1 2 3 7 8 9]
[ 4 5 6 10 11 12]]
print(np.vstack((arr1,arr2))) # 列合并
------------------------------------------------
[[ 1 2 3]
[ 4 5 6]
[ 7 8 9]
[10 11 12]]
print(np.concatenate((arr1, arr2))) # 默认列合并
print(np.concatenate((arr1, arr2),axis=1)) # 1表示行;0表示列
-----------------------------------------------------------
[[ 1 2 3]
[ 4 5 6]
[ 7 8 9]
[10 11 12]]
[[ 1 2 3 7 8 9]
[ 4 5 6 10 11 12]]
1.7 通过函数创建numpy数组
方法 | 详解 |
---|---|
array() | 将列表转换为数组,可选择显式指定dtype |
arange() | range的numpy版,支持浮点数 |
linspace() | 类似arange(),第三个参数为数组长度 |
zeros() | 根据指定形状和dtype创建全0数组 np.zeros((5, 5)) |
ones() | 根据指定形状和dtype创建全1数组 np.ones((5, 5)) |
eye() | 创建单位矩阵(对角线上的 数字为1) |
empty() | 创建一个元素全随机的数组 |
reshape() | 重塑形状 |
1.7 numpy数组运算
运算符 | 说明 |
---|---|
+ | 两个numpy数组对应元素相加 |
- | 两个numpy数组对应元素相减 |
* | 两个numpy数组对应元素相乘 |
/ | 两个numpy数组对应元素相除,如果都是整数则取商 |
% | 两个numpy数组对应元素相除后取余数 |
**n | 单个numpy数组每个元素都取n次方,如**2:每个元素都取平方 |
1.9 额外了解
numpy随机数
print(np.random.rand(3,4)) #随机生成一个3*4的数组
print(np.random.randint(1,10,(3,4))) # 最小值1,最大值10,3*4
print(np.random.choice([1,2,3,4,5],3)) #随机生成一个元素为3个的数组,数组元素在[1,2,3,4,5]内
重点
随机数种子:所有的随机数是按照随机数种子生成的
时间短则不变,时间长就变
np.random.seed(int(time.time()))
np.random.seed(1) #如果固定了就不会变
arr1 = np.random.rand(3,4) # 可变数据类型
print(arr1)
rs = np.random.RandomState(1) #产生一个随机状态种子,seed为1
print(rs.rand(3,4))
---------------------------------------------------------
[[4.17022005e-01 7.20324493e-01 1.14374817e-04 3.02332573e-01]
[1.46755891e-01 9.23385948e-02 1.86260211e-01 3.45560727e-01]
[3.96767474e-01 5.38816734e-01 4.19194514e-01 6.85219500e-01]]
二、pandas模块
1、导入方式
import pandas as pd
2、作用
用于文件处理,更多地是给excel文件做处理,对numpy+xlrd模块做了一层封装
3、pandas模块的数据类型
3.1 series()
现在一般不使用(一维)
df = pd.series(np.array([1,2,3,4]))
print(df)
3.2 DataFrame() (多维)
3.2.1
dates = pd.date_range('20190101', periods=6, freq='M')
print(dates) # periods=6, freq='M'代表前六个月
start | 开始时间 |
---|---|
end | 结束时间 |
periods | 时间长度 |
freq | 时间频率,默认为‘D‘,可选H(our),W(eek),B(usiness),S(emi-)M(onth),(min)T(es), S(econd), A(year),… |
3.2.2 属性
属性 | 详解 |
---|---|
dtype是 | 查看数据类型 |
index | 查看行序列或者索引 |
columns | 查看各列的标签 |
values | 查看数据框内的数据,也即不含表头索引的数据 |
describe | 查看数据每一列的极值,均值,中位数,只可用于数值型数据 |
transpose | 转置,也可用T来操作 |
sort_index | 排序,可按行或列index排序输出 |
sort_values | 按数据值来排序 |
3.2.3 取值
#构造一个数组
dates = pd.date_range('20190101', periods=6, freq='M')
print(dates)
values = np.random.rand(6, 4) * 10
print(values)
columns = ['c4','c2','c3','c1']
#主要掌握
df.values[1,1] #取出第一行第一列
df.iloc[1,1] = 1 #取出第一行第一列,替换为1
3.2.4 操作表格
1、缺失值处理
df = df.dropna(axis = 0) #按行删除缺失值
df
df = df.dropna(tresh = 4) #必须得有4个值,写5就不可以,因为只有4列
df = df.dropna(axis=0) # 1列,0行
df #按行取缺失值
2、合并处理数据
df1 = pd.DataFrame(np.zeros((2,3))) #用0合并两行三列
df2 = pd.DataFrame(np.ones((2,3))) #用1合并两行三列
pd.concat((df1,df2)) #默认按列合并
pd.concat((df1,df2),axis=1) axis=1是行,0是列
df1.append(df2) #往后追加
- 导入数据,读取json文件菜鸟仅做了解
以上是关于numpy 模块和 pandas 模块的主要内容,如果未能解决你的问题,请参考以下文章