numpy，pandas学习笔记

numpy ＆ Pandas

ndarray

ndarray:存放相同类型元素的多维数组，每个元素在内存中有相同存储大小的区域。

array创建方法

	np.array[1,2,3,4,5,6]
	np.arange(6)       np.arange(2,8, step=2，dtype = np.int64) #可限定范围和步长，指定dtype
	np.ones((2,2))    #全为1的矩阵
	np.zeros((2,2))   #全为0的矩阵
	np.eye(3)         #n维单位矩阵
	np.random.rand(size)  #[0,1）的随机值
	np.random.randn(size) #返回值具有标准正态分布
	np.random.randint(low,high,size) #[low,high)的随机整数组成的矩阵
	x.reshape(3,2)	 #变更shape
	np.save('filename',x)
	np.load('filename.npy')

ndarray访问和修改

ndarray删除和插入

ndarray切片

ndarray过滤

ndarray集合运算

ndarray运算与广播

Pandas

Series

Series是一个类似于array的一维对象，与array不同的是，Series的每一个元素都可以给它分配索引标签

创建Series

Serie访问、修改和删除

loc：通过index索引访问
iloc：通过行号索引访问
loc是指location的意思，iloc中的i是指integer

DataFrame

创建和保存dataframe

读取csv为dataframe并查看

.head()
.describe()
.info()

访问、修改和删除dataframe

缺失值NaN

NaN与任何值做比较计算都是false，甚至和NaN==NaN也是false

dataframe分组

apply进行批量操作

分段制作交叉表

pd.concat()

pd.concat(objs, axis=0, join='outer', join_axes=None, ignore_index=False,
       keys=None, levels=None, names=None, verify_integrity=False)

输入的objs需要为dataframe组成的列表

pd.get_dummies()

pandas.get_dummies(data, prefix=None, prefix_sep=’_’, dummy_na=False, columns=None, sparse=False, drop_first=False)

需要制定生成列名的前缀，prefix=

dtype,astype,type