pandas和numpy使用小记

numpy数组不可以扩展

可是它最大的缺点就是不可动态扩展——“NumPy的数组没有这种动态改变大小的功能，numpy.append()函数每次都会重新分配整个数组，并把原来的数组复制到新数组中。

http://blog.chinaunix.net/uid-23100982-id-3164530.html

numpy数组的展平

可以用flatten，也可以用numpy.ravel()

比如下面这个数组

arr = np.arange(10).reshape(1,2,5)
Out[40]: 
array([[[0, 1, 2, 3, 4],
        [5, 6, 7, 8, 9]]])

可以使用fatten和ravel函数进行展平

arr.flatten()

numpy.ravel(arr)

Out[41]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

numpy数组合并

如果只有两个元素，那么用append合并就行

如果有三个或者以上的元素，那么用numpy.concatenate这个函数

numpy.concatenate((a1, a2, ...), axis=0)

把n个数组放到一个tuple里面，作为一个大参数(a1, a2, ...)放到concatenate这个函数里面

python list 合并

python list合并,可以用append,extend,也可以直接用+号进行

z=x+y

numpy 数组的初始化和循环填充

有的时候想新建个array，然后通过循环不断append补充这个数组。后来看到stackoverflow上说这个是非常低效率的。

numpy的array一般是先初始化好尺寸的数组，全附上0，然后再一个一个修改这个值。而不是不断的扩充数组结构。

比如下面这个就是不太推荐的写法

big_array # Initially empty. This is where I don't know what to specify for i in range(5): array i of shape = (2,4) created. add to big_array

参考http://stackoverflow.com/questions/4535374/initialize-a-numpy-array

python目录遍历

一个用os库

一个用glob库

list,array,dataframe,mat 几个容器的使用

list如果能用就用，最底层，效率也最高的元素，而且支持字符和数字混搭

np的array付给他更多的操作，但是不支持字符，需要chararray才能混搭，chararray其实功能不是特别强大，所以不推荐numpy的数组里面混搭文字和数字

np的dataframe适合大小规模的选择和操作，但是不适合一点点增添，最好是先把一个大的array都鼓捣好了一个，一整个array直接全塞进去。

所以基本是简单的数据用list，需要做处理的中低层的数据用array，然后烩成一锅全装进dataframe做大规模范围的数据分析。 如果需要矩阵操作的时候才使用numpy的mat

这是我的理解。

许多python和numpy对某个数据的处理，不会改变数据本身，而是把结果拷贝出来输出给其他对象

比如s.join('something')

arr.append(arr2)

对dataframe columns的选择

dataframe一般都是根据标签选择列，比如dataframe['feature1']

同时也可以使用ix，按照列数进行选择，比如选择第一列和第二列 df.ix[:,0:2]

如果选择的是多个列，那么会返回的是dataframe对象

而如果只选择一个列，那么会返回series对象，这个比较蛋疼。

python format字符串的输出

str.format()  //str是字符串

1)  format函数前的str字符串可以用{}来做占位符

‘a is {}，b is {}’.format(a,b)

2) 也可以在{}里面加数字用来和后面的变量进行对应

‘a is {1}，b is {2}, a is {1}’.format(a,b)

3) 还可以用讲里面的数字视为对象本身

比如lis=['xiaoming','xiaowang']

‘my name is {0[0]}，his name is {0[1]}’.format(lis)

4) {}里面还可以对输出的精度和进制进行输出

'the number is {:.2f}'.format(332.245)

'the binary value of the number is {:b}'.format(332.245)

dataframe之间做运算，要用到.values  除法

for i in range(len):

df3[i]=df1[i]-df2[i].values

一个dataframe，和另一个dataframe的values才可以做直接的运算

dataframe的slicing

df=pd.DataFrame()

df[1]  #这个是不行的

df[1:2] #这样才行   有头有尾才行    或者写成df.ix[1,:]  #最好用index进行slice的，都用.ix这个函数进行slice，这样规范一些。

 

dataframe每行都减去前一行 怎么实现(第一行保持原值

方法一：用index进行整体减法

df[:-1] -df[1:]

方法二： 自己笨笨的写循环呗。

for i in range(1,length):

df.ix[i,:]-df.ix[i-1,:]

方法三：调用shift方法，

df-df.shift(1)   #df.shift(1)  就是df整体下移的结果，至于新dataframe的首行则为nan，需要自己再手动赋0

df.fillna(inplace=True, method='ffill')  inplace就是自己替换自己了

两个1*20的数组如何合成一个2*20的数组？用asarray

np.asarray(np.random.randn(10),np.random.randn(10))