Numpy
Numpy是python的一个库。支持维度数组与矩阵计算并提供大量的数学函数库。
#浮点数转int arr = np.array([1.2,1.3,1.4],[1.5,1.6,1.7])#创建ndarray时候也可以指定dtype arr.astype(dtype = np.int) #对数组批量运算,作用在每个元素上 arr = np.array([1,2,3],[4,5,6]) print arr**5 #索引和切片 arr = np.array([1,2,3,4,5,6]) print arr[:2]#arr[0]和arr[1] arr = np.array([1,2,3],[4,5,6]) print arr[:2] #打印第1,2行 #布尔型索引 name = [‘Bob‘,‘La‘,‘CA‘,‘Da‘,‘Ea‘,‘Fa‘] rnd_arr = np_random.randn(7,4) print rnd_arr[name == ‘CA‘]#利用布尔数组选择行,这里name == ‘CA‘会产生一个布尔数组 a = [1,2,3] b = [True,False,True] print a[b]#选第一个和第三个 #花式索引 a = [1,2,3,4,5] index = [4,2,0] b = a[index] #对于二维数组 arr = np.arange(32).reshape(8,4) print arr[[1,5,2,7],[:,0,3,1,2]] #1,5,2,7行的0,3,2,1列,如果不加冒号就是打印arr[1][0],arr[5][3].....转置 arr.T #逻辑表述为数组运算where x = np_random.randn(1,5) y = np_random.randn(1,5) cond = np.array([True,False,True,False,True]) result1 = [(x if c else y) for x, y ,c in zip(x,y,cond)]#列表推到 result2 = np.where(cond,x,y) #where逻辑 test = np.where(x>2,2,arr) #如果条件1和2 则0,否则如果条件1取1,否则条件2 取2 ,再不行取3。相当于一个if else的缩写。 result = np.where(cond_1 &cond_2, 0,np.where(cond_1,1,np.where(cond_2,2,3))) #数学和统计方法 sum,mean,std,var这些 arr = np.random.randn(5,4) bools = np.array([False,False,True,False]) arr.mean(axis = 1) #按行取平均 print (arr>0).sum() #大于0的和 print (bools == True).sum() #True的个数 print bools.any() #有一个True 都True print bools.all() #有一个为False 则False unique(x)#去重 ,还有交叉并补 #高斯消元法 qr分解,此外乘法dot,求逆inv from numpy.linalg import qr arr = np.random.randn(5,4) q,r = qr(arr) print q,r arr.mean(axis = 0) #按照列求均值,也即是竖直方向,如果axis=1则按行求均值,水平方向 #数组重塑 arr = np.arrange(8) print arr.reshape(4,2) #只是改变了显示方式,其实内存中的存储结构不变 #下面三种都能打到同样的效果 x = np.array([[1, 2], [3, 4]]) print x.flatten() print x.ravel() print x.reshape(-1) #两者默认均是行序优先 print x.flatten(‘F‘) print x.ravel(‘F‘) print x.T.reshape(-1) #区别 x = np.array([[1, 2], [3, 4]]) x.flatten()[1] = 100 print x # flatten:返回的是拷贝 x.ravel()[1] = 100 print x #ravel则是对元素组的一个引用,会改变元素组,和reshape一样只是改变了显示方式 #连接数组 a1 = np.array([[0,1,2],[2,1,3]]) a2 = np.array([[4,5,6],[7,8,9]]) print np.concatenate([a1,a2],axis = 0) #添加行,竖直方向添加,如果axis = 1添加列,水平方向添加 print np.vstack((a1,a2)) #竖直方向叠起来 print np.hstack((a1,a2)) #水平方向叠起来 和上面的效果一样 #拆分 f,s = np.split(a2,[1,2],axis = 0) #竖直方向上,也即是按行拆分 #put,take arr = np.arange(5) inds = [1] arr.put(inds,50) #替换inds位置的数 print arr arr.take([1,2]) #和花式索引效果一样
Pandas
pandas 处理时间序列,缺失数据的处理。
1 #Series 类似于一维数组,因为平时的数组都是默认索引的,Series可以指定索引。 2 3 from pandas import Series 4 obj = Series([4,7,-5,3],index = [‘a‘,‘b‘,‘c‘,‘d‘]) 5 print obj[obj > 0] #找出大于0的 6 print obj.index 7 8 #字典可以直接生成Series。 9 locations =[‘NT‘,‘RT‘,‘RG‘,‘XL‘] 10 data = {‘NT‘:4000,‘RT‘:5000,‘X‘:100} 11 obj = Series(data,index = locations) 12 print obj 13 14 #Series,相加相同的索引部分相加,也可以给索引以及该series命名。 15 #index替换 16 obj.index = [1,2,3,4] 17 18 #DataFrame 可以理解成二元的,他是表格型的数据结构,比如我们平常见的Excel。有行索引,列索引,可以理解成Series的合并。 19 from pandas import Series,DataFrame 20 data = { 21 ‘locations‘:[‘NT‘,‘RT‘,‘RG‘,‘XL‘], 22 ‘years‘:[2000,2001,2004,2008], 23 ‘pop‘:[1.5,1.6,1.7,1.8] 24 } 25 Df = DataFrame(data, columns = [‘years‘,‘locations‘,‘pop‘],index = [‘one‘,‘two‘,‘three‘,‘four‘]) #指定列 26 print Df 27 28 years locations pop 29 one 2000 NT 1.5 30 two 2001 RT 1.6 31 three 2004 RG 1.7 32 four 2008 XL 1.8 33 #修改指定的列,可以设置索引,没有的变成NaN。 34 val = Series([2, 5, 7],index = [‘one‘,‘two‘,‘four‘]) 35 Df[‘pop‘] = val 36 print Df 37 years locations pop 38 one 2000 NT 2.0 39 two 2001 RT 5.0 40 three 2004 RG NaN 41 four 2008 XL 7.0 42 Df[‘big‘] = (Df.years == 2008) 43 44 #丢弃指定轴上的项,指定索引或列 45 print Df.drop([‘two‘,‘four‘],axis = 1) 46 #索引,选取和过滤 47 #Series的切片是一个引用 48 import numpy as np 49 se = Series(np.arange(4), index = [‘a‘,‘b‘,‘c‘,‘d‘]) 50 print se[‘b‘:‘c‘] 51 se[‘b‘,‘c‘] = 5 52 print se 53 54 #DataFrame打印列可以直接调用,打印行需要.ix 55 data = DataFrame(np.arange(16).reshape(4,4),index = [‘a‘,‘b‘,‘c‘,‘d‘],columns = [‘one‘,‘two‘,‘three‘,‘four‘]) 56 print data 57 #print data.ix[‘a‘] 58 print data.ix[:‘c‘,‘two‘] #‘two‘列的a,b,c行,对于非数字索引一定是闭区间。 59 data[data < 5] = 0 #所有小于5的都被设置为0 60 61 #算术运算与数字对齐,对齐操作同时发生在行和列上(就是行和列都匹配),索引不对齐的地方计算就是用NA 62 from pandas import Series 63 s1 = Series([1,2,3,4,5],index = [‘a‘,‘b‘,‘c‘,‘d‘,‘e‘]) 64 s2 = Series([2,3,4,5,6],index = [‘a‘,‘b‘,‘c‘,‘d‘,‘f‘]) 65 print s1+s2 66 67 a 3.0 68 b 5.0 69 c 7.0 70 d 9.0 71 e NaN 72 f NaN 73 dtype: float64 74 #DataFrame比较复杂,会列出所有的行列,相当于一个并集,然后行列不匹配的那个变成NaN,所有两个DataFrame相加,可能行列大小都会变化,如果不相同的话。 75 df1 = DataFrame(np.arange(12).reshape(3,4),columns = list(‘abcd‘)) 76 df2 = DataFrame(np.arange(20).reshape(4,5),columns = list(‘abcde‘)) 77 print df1.add(df2,fill_value = 0) #不匹配的,用nan的地方用0填充 78 79 a b c d e 80 0 0.0 2.0 4.0 6.0 4.0 81 1 9.0 11.0 13.0 15.0 9.0 82 2 18.0 20.0 22.0 24.0 14.0 83 3 15.0 16.0 17.0 18.0 19.0 84 #Dataframe和Series之间 相减,默认是按照水平方向,按行,如果axis = 0,则竖直方向,按照列,每一列都减去一个Series。 85 #函数应用和映射,Series有个应用到元素的map方法,Dataframe有applymap 86 f = lambda x : x.max() - x.min() 87 print df1.apply(f, axis = 1)# 对水平方向的每一行最大减最小 88 print df1.apply(f,axis = 0) # 对竖直方向的每一列最大减最小 89 90 #applymap 应用到每一个元素 91 df1.astype(np.float) 92 f2 = lambda x: ‘%.2f‘ % x 93 print df1.applymap(f2) 94 print df1[‘a‘].map(f2)#df[‘a‘]相当于一个Series,应用到每一个元素是map 95 96 #对列和索引进行排序,可以指定升序还是降序还有rank函数 97 #按照索引排序 98 df1.sort_index(axis = 1,ascending = False) 99 100 d c b a 101 0 3 2 1 0 102 1 7 6 5 4 103 2 11 10 9 8 104 105 #按值排序 106 df1.sort_values(by = [‘a‘,‘b‘],ascending = False)#降序,先a按照a,a不行则b 107 #rank 108 obj = Series([7,9,-5,1,4,2,2,5]) 109 print obj.rank()#输出的是每个元素应该在的位置 110 111 #指定列变成索引 112 df1.set_index([‘a‘]) 113 114 #pandas的索引可以用重复,返回的是一个数组 115 #层次索引 116 #Series的层次索引 117 from pandas import Series 118 s = Series(np.random.randn(5), index = [[‘a‘,‘a‘,‘b‘,‘b‘,‘c‘],[1,2,1,2,1]]) 119 print s 120 print s.index 121 print s[:2] 122 print s[‘b‘:‘c‘] 123 print s.unstack() #把1,2放到列上去,c只有1个就变成了NaN了,变成了DataFrame的样子。 124 print s.unstack().stack() 125 126 a 1 -1.050402 127 2 0.489801 128 b 1 -0.538088 129 2 0.886044 130 c 1 2.695847 131 dtype: float64 132 MultiIndex(levels=[[u‘a‘, u‘b‘, u‘c‘], [1, 2]], 133 labels=[[0, 0, 1, 1, 2], [0, 1, 0, 1, 0]]) 134 a 1 -1.050402 135 2 0.489801 136 dtype: float64 137 b 1 -0.538088 138 2 0.886044 139 c 1 2.695847 140 dtype: float64 141 1 2 142 a 0.900427 -0.673935 143 b 0.162862 -0.118564 144 c 0.039270 NaN 145 #DataFrame的层次索引,DataFrame不管在行还是列都可以多值索引 146 df = DataFrame(np.arange(12).reshape((4,3)),index = [[‘a‘,‘a‘,‘b‘,‘b‘],[1,2,1,2]],columns = [[‘Ohio‘,‘Chicago‘,‘NewYork‘],[‘a‘,‘b‘,‘c‘]]) 147 print df 148 #交换两个索引,原来在外面的变到里面,也可以根据索引排序 149 df.index.names = [‘key1‘,‘key2‘] 150 df_df = df.swaplevel(‘key1‘,‘key2‘) 151 df_df.swaplevel(0,1).sortlevel(0) 152 #指定key统计 153 print df.sum(level = ‘key2‘) 154 Ohio Chicago NewYork 155 red blue green 156 key2 157 1 6 8 10 158 2 12 14 16 159 #整数索引会有歧义,比如-1,0有时候不知道是位置,还是他的索引,所以避免歧义一般是.iloc
iloc,loc和ix的区别 参考自:http://stackoverflow.com/questions/31593201/pandas-iloc-vs-ix-vs-loc-explanation s = Series(np.arange(8),index = [8,9,15,1,2,3,4,5]) print s 8 0 9 1 15 2 1 3 2 4 3 5 4 6 5 7 dtype: int32 print s.iloc[:3] 8 0 9 1 15 2 dtype: int32 print s.loc[:3] 8 0 9 1 15 2 1 3 2 4 3 5 dtype: int32 print s.ix[:,3] 8 0 9 1 15 2 1 3 2 4 3 5 dtype: int32 #可以看到.ix和.loc是相同的效果,把3当作是index当中的值,而iloc是打印的前三行。如果是s.ix[:7],s.loc[:7]这样的没有的数,就会报错,而.iloc就会打印前7行。 #如果是DataFrame,.ix可以索引,位置混合使用,索引选行,列可以取位置切片。 df = DataFrame(np.arange(12).reshape(3,4),index = list(‘abc‘),columns = [‘d‘,‘e‘,‘f‘,‘g‘]) print df print df.ix[:‘c‘,:3] d e f g a 0 1 2 3 b 4 5 6 7 c 8 9 10 11 d e f a 0 1 2 b 4 5 6 c 8 9 10
上面numpy,pandas有很多东西没说,还是要实战才容易记住,多多加油吧!
时间: 2024-10-07 22:55:20