黄岩建设局台州网站建设,线上购物网站建设成本,自动采集的网站,企业网站建设费用 珠海一、numpy
import numpy as np1.numpy 数组 和 list 的区别
输出方式不同
里面包含的元素类型
2.构造并访问二维数组
使用 索引/切片 访问ndarray元素
切片 左闭右开
np.array(list) 3.快捷构造高维数组 np.arange() np.random.randn() - - - 服从标准正态分布- - - …一、numpy
import numpy as np1.numpy 数组 和 list 的区别
输出方式不同
里面包含的元素类型
2.构造并访问二维数组
使用 索引/切片 访问ndarray元素
切片 左闭右开
np.array(list) 3.快捷构造高维数组 np.arange() np.random.randn() - - - 服从标准正态分布- - - 数学期望 μ - - - 标准方差 s 使用matplotlib.pyplot模块验证标准正态分布 np.random.randint(起始数终止数(行列))
4.改变数组的形状 几行几列 reshape 二、pandas
数据分析 - - - 数据清洗 - - - 控制过滤 - - - 异常值捕获
map分组 聚合
import numpy as np
import pandas as pdpandas善于处理二维数据
1.数据结构 Series 和 DataFrame
Series
series类似于通过numpy产生的一维数据但series包含索引可以自己定 DataFrame
DataFrame是一种二维表格数据结构
创建方法 通过列表创建 行索引是index列索引是columns 先创建一个空的DataFrame通过列表生成DataFrame 通过字典创建 简单创建 将字典键变成行索引 - - - from_dict - - - orient朝向或者使用 T data {a:[1,3,5],b:[2,4,6]}
pd.DataFrame(data data)pd.DataFrame.from_dict(data,orientindex)通过二维数组创建 np.arange(12) # array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])2.修改索引
set_index 把常规行变成索引列
不会修改原始数据若希望修改使用 inplaceTrue data.set_index(‘index’, inplaceTrue) 修改列名称 rename
修改列名称使用columns - - - 行 index 使用字典来表达映射关系 - - - {原始数据新数据}
将行索引变成常规列 reset_index()
若想修改原始数据 使用reset_index(replaceTrue)
3.Excel或csv数据的读取和写入
pd.read_excel(file_name, sheet_name0, index_col0) 从左到右第一个sheet索引是0该函数返回该页内容 - - - 会将第一行变为列索引 - - - 行索引从0开始 index_col0 将第一列变成行索引 header0将第一行变成列索引 - - - header[0,1] 将前两行变成列索引
xxx.to_excel(file_name)将数据写到新的Excel文件
pd.read_csv(file_name, sep,)读取csv文件sep默认逗号分隔 index_col - - - header xxx.to_csv(file_name)
4.pandas数据的读取和筛选
df pd.DataFrame(data[[1,2,3],[4,5,6],[7,8,9]],index[r1,r2,r3],columns[c1,c2,c3])读取 列 xxx[‘xxx’] 读取 行 xx.loc[‘xxx’] df.head() 默认查看前5行出入几查看几行 查看特殊的数据 按照特定条件筛选
5.数据整体情况查看
df.shape - - - 查看数据有几行几列df.describe() - - - 查看一些统计指标 – 每一列的个数 均值 标准方差 最小值 最大值df.info() - - - 查看表格数据的信息 - - - 每一列的个数 是否有空值 每一列的类型 df.value_counts() - - - df.loc[‘r2’].value_counts() 查看某行或某列有哪些数据以及这些次数出现的频次
6.数据运算
从已有的列通过数据运算创造一个新的列 sum 求和 mean 均值 axis0 is 列默认 axis1 is 行 求列方向的聚合值
7.数据映射 map()
map()根据列对数据进行映射
map是一个循环遍历的过程
people pd.DataFrame(data{身高:np.random.randint(130,180,10),age:np.random.randint(18,23,10)
})def map_high(x):if x 170:return 高else:return 低people[高/低] people[身高].map(map_high)8.空值的填充和查找
NaN空值·
写入空值 填充空值 fillna()
表格数据如果显示NaN表示此处为空值fillna()函数可以填充空值 inplaceTrue表示写入到数据内存
people.fillna(value0, inplaceTrue)将空值NaN使用value替换 查找空值 isnull()
是NaN返回True - - - True is 1 不是返回False - - - False is 0 xxx.isnull().sum() 对布尔值进行列方向的求和 - - - - 求出每一列空值的个数
三、matplotlib
import numpy as np
import pandas as pdimport matplotlib.pyplot as plt
%matplotlib inline1.折线图 plt.plot() color 线的颜色 linewidth 线的宽度 像素 linestyle 线的风格 dashed 虚线 dashdot 虚线和点 dotted 点 # 可以省略但建议写上强制将前面的绘图代码渲染出来
plt.show()x [1,2,3]
y [2,4,6]
plt.plot(x,y)a [1,3,5]
b [1,2,3]
plt.plot(a,b)
# 可以省略但建议写上强制将前面的绘图代码渲染出来
plt.show()2.柱状图 plt.bar()
条形图的横轴可以是字符串起标识作用
x [A,B,C,D]
y [13,17,15,14]
# plt.bar(x,y, color[red,blue])
plt.bar(x,y,colornp.random.random((4,3)))3.散点图 plt.scatter()
回归问题
# 横轴数据
x [1.3, 4,5.8,7.4]
# 纵轴数据
y [20,30,40,50]
# 大小 也可以表达第三维数据
size np.array([1,4,9,16])
plt.scatter(x,y,ssize*10,c(1,2,3,4))四、pandas 自带的绘图函数
DataFrame
# 从10到100随机生成一个数据
np.random.randint(10,100) # 74# 10行3列
np.random.randint(10,100,size(10,3))df pd.DataFrame(datanp.random.randint(10,100, size(10,3)),columns[A,B,C])
df.plot(kindbar)kind默认是line hist 直方图 - - - pie 饼图 - - - box 箱体图 - - - area 面积图 T转置操作 Series
df pd.Series(datanp.random.randint(1,10,size5),index[A,B,C,D,E])
df.plot(kindbar,colorred)1.添加文字说明 标题 坐标轴
np.random.random(3)
# array([0.62461037, 0.88015921, 0.78706271])# 从0到2π拆分成100个数等差数列
x np.linspace(0,2*np.pi, num100)
y np.sin(x)
# label 是图例要展示的内容
plt.plot(x,y,colornp.random.random(3),labelline of sin,linestyle--)
# 允许展示图例 loc参数可选
plt.legend(loclower right)
plt.xlabel(X)
plt.ylabel(Y)
plt.title(YsinX)plt.plot(x,np.sin(x),labelsin)
plt.plot(x,np.cos(x),labelcos)
plt.legend(locupper right)2.label中文报错解决方法
使用matplotlib画图默认不支持中文显示
plt.rcParams # 可以查看一些默认属性plt.rcParams[font.sans-serif]SimHei # 用来正常显示中文标签
plt.rcParams[axes.unicode_minus]False # 解决符号-显示为方框的问题plt.plot(x,np.sin(x),label正弦函数)
plt.plot(x,np.cos(x),label余弦函数)
plt.legend(locupper right)
plt.title(函数)五、绘制多个图表 subplot()
三个参数
plt.subplot(221) 两行两列第一个
# 调整图表大小
plt.figure(figsize(12,8))ax1 plt.subplot(221)
ax1.plot(x,np.sin(x))ax2 plt.subplot(222)
ax2.plot(x,np.cos(x))ax3 plt.subplot(223)
ax3.bar([a,b,c],[1,2,3])ax4 plt.subplot(224)
# ax4.pie(sizes[30,40,30],labels[A,B,C],colors[red,blue,yellow])
ax4.pie(np.array([10, 20, 30, 40]))plt.show()
