Jupyter、Numpy、Pandas(1)
jupyter的下载和使用
下载numpy、pandas、matplotlib三个必备的包
交互式环境ipyhon
pip install ipython
建议使用jupyter（基于ipython）
pip install jupyter
jupyter会自动保存
然后在要打开jupyter的路径下启动命令窗口
然后输入jupyter notebook
就可以以这个路径为根目录打开jupyter
然后自动会在默认浏览器打开jupyter，或者复制命令行中的链接，在浏览器中打开
ipynb文件是mardown语法的
选中一个单元，按A会在上方创建一个单元，按住B会下下方创建
对于每一个小的单元，按两次D键删除
按Z键撤销，恢复
crtl+回车 运行单元里面的代码
M，变成markdown模式
按Tab自动补全
shift+Tab提示函数参数（一次Tab是简单的提示，两次Tab详细提示）
代码在执行的时候，前面会有*号，窗口会有漏斗标志
一个？打印docstring，两个??打印源码
？也可以使用在自己写的函数上
%run xxx.py（相对路径或者绝对路径）
执行外部的脚本或者python文件
如果执行了外部的文件，那么该文件内的函数就能直接在当前会话中使用
运行记时：%time statement，只能记录运行一次的时间
运行多次的平均时间 %timeit statement
也可以通过参数指定跑多少次
如果想测多条语句的运行时间，%%timeit
如果运行结果太长，会自动将结果折叠起来，需要滚动查看；点击左边会展开；双击会隐藏
%who 当前窗口中所有的变量和函数
%whos who的详细信息
%who_ls 返回一个字符串列表，里面是当前会话中的所有变量和函数名称，可以直接用列表中的变量使用
如果要执行系统命令，用!+命令 的形式执行
相当于将命令行搬到了jupyter中
lsmagic 显示出支持的所有魔法命令
%matplotlib inline 可以在Ipython编译器里直接使用，功能是可以内嵌绘图，并且可以省略掉plt.show()这一步。
Numpy
numpy提供的不是真正的矩阵，可以当作优化过的多维列表
scipy提供熟悉意义上的矩阵
创建
-
由列表创建
retstep加上以后变成元组
产生正态分布的数据，loc均值，scale标准差
标准正态分布，参数是各个维度
可以用这个直接写，不需要加size=()，和np.random.random()一样
属性
基本操作
一维的和列表是一样的
多维的索引操作
切片
取多个任意位置的数，需要用到np.ix_()方法
变形
reshape，参数是一个元组，总体元素个数不能变
数组本身没有发生变化，需要用一个变量去接收改变后的值
级联concatenate
增加行数叫垂直级联，即上下拼接vertical
增加列数叫水平级联，即左右拼接，horizontal
axis 轴
axes 轴的复数形式
axis=0表示对行操作，即垂直级联
axis=1表示对列操作，即水平级联
hstack(元组)，水平级联
vstack()，垂直级联
切分 split
np.split
np.vsplit
np.hsplit
axis=0 表示对行进行切割
拷贝副本copy() 深拷贝
如果要对数据进行修改，可以先copy()，直接赋值会修改原数据
聚合操作
np.sum()，np.max()/min()
默认axis=None，表示聚合成0维，也就是一个值
axis=0 表示对行操作，行没了，剩下列，也就是把每一列加起来
np.sum(array, axis=None) 一样
argmin，返回最小值的索引
any只要有true返回true，all只要有false，返回false
np.nan 表示numpy，pandas中的空数据 Not a number
np.nansum()非空数据相加
矩阵操作
基本矩阵操作
n+1每个元素加1
n1 +n2 对应元素相加
a *b 普通的乘法，对应元素相乘
np.dot(a, b) 矩阵的积
广播机制
两条规则：
为缺失的维度补1
假定缺失元素用已有值填充
当参与运算的ndarray的shape不一致时，会触发广播机制，使维度变得一致
如下面这个例子，因为a只有一个维度，首先补一个维度，然后用已有值填充，变成两行0 1 2
排序
np.sort() 不会修改原数组
ndarray.sort() 修改原数组
部分排序
np.partition()
相当于找到最极端的几个值
最大的五个，-5，只是找出来，没有排序
Pandas
Series
如果由ndarray创建Series，传递的是该对象的引用，修改Series中的内容，ndarray中的内容会改变
而如果由列表创建的话，传递的是列表的拷贝，修改Series不会影响原列表中的内容
由字典创建
索引和切片
显示索引，就是用存在的索引
隐式索引，就是系统分配的，0123…
如果要返回索引和数值一起的情况
再套一层中括号
基本概念
属性shape, size, name
Series可以指定名字
方法 head(), tail()
pd.isnull() 一一判断series中所有元素是否为nan
pd.notnull()
需要注意的是name是类属性
运算
适用于numpy数组的运算也适用于series
Series之间的计算：
在运算中自动对齐不同索引的数据
如果索引不对应，补nan
可以使用pandas封装的add()函数，保留原始的index的值
DataFrame
行索引：index
列索引：columns
值：values
分块创建，也可以采用字典创建
属性
values, columns, index, shape
索引
对行操作，要用loc，列操作，直接括号
对列进行索引：
注意新增一列的时候，不能使用属性的写法
对行索引：
对元素的索引：
先列后行
先行后列
下面这个推荐写法，上面的链式索引不推荐
切片
什么也不返回，是因为直接使用这个，是在进行行切片
对列切片
索引总结
- 行索引用loc，列索引用[]
- 对元素的索引，先索引行，再列，df.loc[index, col]
- 如果还想返回dataframe，那么使用两层中括号
- 注意：直接使用中括号的时候，如果是切片，是对行进行切片
- 注意：不要使用链式索引
要使返回结果仍为dataframe，需要加中括号
这样会报错，因为找这两行，而没有math这一行
运算
dataframe和dataframe运算，只有行列索引都相同才会运算
和series一样，如果要保留，需要用add方法，设置fill_value = 0
dataframe 和 series相加，索引一样可以相加
但是如果改成行索引的series
使用用算符进行操作，默认比较的df的列索引和series的行索引
使用axis改变运算方向
