numpy、pandas常用函数功能

numpy和pandas常用函数功能

一、Numpy

• python科学计算的基础模块
• 数据格式：ndarray
• 安装：sudo apt-get install python-numpy、pip install numpy

1.1 常用功能

数组创建
np.array()、np.zeros()、np.ones()、np.empty()、np.arrange()
属性：dtype、shape

索引
arr[][]、 arr[:, :]

条件判断
np.where(condition, arr1, arr2)

布尔数组
any(): 用于测试数组(向量)中是否存在True
all(): 用于确定数组中是否全是True

改变数组形状
reshape()、flatten()

连接和切分

• 水平方向
  numpy.hstack((a,b))
  numpy.concatenate((a,b),axis=1)
• 垂直方向
  numpy.vstack(a,b)
  numpy.concartenate((a,b),axis=0)
• 深度方向
  numpy.dstack()
• 行
  row_stack
• 列
  column_stack

结构化数组
平铺函数： numpy.tile(a, repeats)
元素复制函数：numpy.repeat(a, repeats, axis=None)
添加元素： numpy.append(arr, values, axis=None)
删除元素：numpy.delete(arr,obj,axis=None)

矩阵操作
转置： .T、transpose()

统计操作

函数	功能
sum	对数组中全部或某轴向的元素求和。零长度的数组的sum为0
mean	算数平均数。零长度的数组的mean为NaN
std、var	分别为标准差和方差，自由度可调(默认为n)
min、max	最大值和最小值
argmin、argmax	分别为最大和最小元素的索引
cumsum	所有元素的累计和
cumprod	所有元素的累计积

文件读写
savetxt(fileName,data)
loadtxt：读取csv文件
np.loadtxt(filepath,delimiter,usecols,unpack)

与list的转换
转为list：arr.tolist()
list转为array：np.array(list1)

二、pandas

• pandas基于numpy构建
• 安装： sudo apt-get install python-pandas、pip install pandas

2.1 series对象

• 基本数据结构：Series和DataFrame。
• Series是一种类似于一维数组的对象
• Series由一组数据以及一组与之相关的数据标签(即索引)组。

series的使用

from pandas import Series
obj = Series([1，3，5])
print(obj)
# 0 1
# 1 3
# 2 5

print(obj.values)
print(obj.index)
# 自定义索引
obj = Series(['aa','bb','cc'], index=['a1','a2','a3'])

# 字典转为series
salarydata = {
     'a':5000, 'b':8000, 'c':7500}
obj = Series(salarydata)

#判断是否有缺失值
print(pd.isnull(obj2))
print(pd.notnull(obj2))

2.2 DataFrame

• DataFrame是一个表格型的数据结构，它含有一组有序的列
• 既有行索引，也有列索引

DataFrame的使用

from pandas import DataFrame

data = {
     'Number':[1,2,3,4,5],
'Name':['Alvin','Teresa','Elly','James','Nancy'],
'Scores':[98.5, 100.0, 93.0,98.5,90.5]}

frame = DataFrame(data)
print(frame)

# 创建指定序列顺序的DataFrame
frame2 = DataFrame(data, columns=['Number','Name','Scores']) 
print(frame2)

#指定index
frame3 = DataFrame(data, columns['Number','Name','Scores','Age'],index=['No.01','No.02','No.03','No.04','No.05'])

#访问操作
dataframe对象[ 列名称 ] 或 dataframe对象.列名称

#行列索引名
frame.index.name
frame.columns.name
frame.values

#head和tail的方法
Head获取开头若干行数据
tail获取结尾若干行数据

#info方法
获取数据信息，包括索引类型和列类型、非空值和内存使用

DataFrame支持构造

类型	说明
二维 ndarray	数据矩阵，还可以传入行标和列标
由数组、列表或元组组成的字典	每个序列会变成DataFrame的一列。所有序列的长度必须相同。
NumPy的钢结构化/记录数组	类似于“由数组组成的字典”
由Series组成的字典	每个Series会成为一列。如果没有显示指定索引，则个Series的索引会被合并成结果饿行索引
由字典组成的字典	各内层字典会成为一列。键会被合并成结果的行索引，跟“由Series组成的字典”的情况一样
字典或Series的列表	各项将会成为DataFrame的一行。字典键或Series索引的并集将会成为DataFrame的列标
由列表或元组组成的列表	类似于“二维ndarry”
另一个DataFrame	该DataFrame的索引将会被沿用，除非显式指定了其他索引
NumPy的MaskedArray	类似于“二维ndarry”的情况，只是掩码值在结果DataFrame会变成NA/缺失值

2.3 基本数据分析

索引
series同numpy类似，但索引值可以不为整数。
切片
与numpy不同，其末端是包含的。
算数运算

• 它可以对不同索引的对象进行算数运算。

• 在将对象相加时，如果存在不同索引对，则结果的索引就是该索引对的并集。

• 对于DataFrame对象而言，对齐操作同时发生在行和列上。有对应的值则相加，没有则用NAN填充

• add(加)、sub(减)、mul(乘)、div(除)，可以加入fill_value
  df1.add(df2, fill_value=0)

• 删除
  df1 = df.drop([‘No3’,‘No1’] , axis=0)

• 排序
  s.sort_index(ascending=?, axis=?):axis=0 行索引、axis=1 列索引
  s.sort_values(by=)by指定列排序

• 改变索引
  Pandas对象的一个重要方法是 reindex()，其作用是创建一个适应新索引的新对象(如果某个索引值当前不存在，就引入缺失值NAN)。可用fill_value、
  也可引入method填充：

参数	说明
ffill 或 pad	前向填充(或搬运)值
dfill 或 backfill	后向填充(或搬运)值。

columns = new_columns

• ix的标签索引
  frame.ix[[‘a’,‘b’,‘c’,‘d’], new_columns]
  reindex的参数

类型	说明
index	用作索引的新序列。既可以是Index实例，也可以是其他序列型的Python数据结构。Index 会被完全使用，就像没有任何复制一样。
method	插值(填充)方式。
fill_value	在重新索引的过程中，需要引入缺失值时使用的替代值。
limit	前向或后向填充时的最大填充量。
level	在MultiIndex的指定级别上匹配简单索引，否则选取其子集。
copy	默认为True，无论如何都复制;如果为False，则新旧相等就不复制。