numpy 与 pandas

numpy:

import numpy as np

1. np.array([1,2,3]) 创建数组
2. np.arange(10).reshape(2,5) 类似于range(起始，终止，步长)，可以加reshape(2,5)定义形状。必须是相乘等于前面的size
3. np.linsapace(1,10,10) 参数为：起始，终止，平分多少个
4. zeros((2,4)) 根据指定形状和dtype创建全0数组
5. ones((2,4)) 根据指定形状和dtype创建全1数组
6. empty((2,4)) 根据指定形状和dtype创建空数组（随机值）
7. eye(5) 根据指定边长和dtype创建单位矩阵 5*5的矩阵，从0开始的的对角线为1，其他为0
8. arr[0:2,1:3] 多维数据的切片 逗号前是行，后面是列

布尔型索引：

• 给一个数组，选出数组中所有大于5的数和偶数。
• 答案：arr[(a>5) & (a%2==0)] 或是| 非是~
• 花式索引*
• 对于一个数组，选出其第1，3，4，6，7个元素，组成新的二维数组。
• 答案：arr[[1,3,4,6,7]]
• 对一个二维数组，选出其第一列和第三列，组成新的二维数组。
• 答案：a[:,[1,3]] 解读：行全取，列要1,3

常见通用函数：

二元函数：

浮点数特殊值：

• 浮点数：float
• 浮点数有两个特殊值：
• nan(Not a Number)：不等于任何浮点数（nan != nan） 例如：0/0 或者 负数开根号
• inf(infinity)：比任何浮点数都大 例如：4/0 为无限大
• 在数据分析中，nan常被用作表示数据缺失值

常用函数：

• sum 求和
• cumsum 求前缀和
• mean 求平均数
• std 求标准差
• var 求方差
• min 求最小值
• max 求最大值
• argmin 求最小值索引
• argmax 求最大值索引

随机数生成函数在np.random子包内
常用函数

• rand 给定形状产生随机数组（0到1之间的数）
• randint 给定形状产生随机整数
• choice 给定形状产生随机选择
• shuffle 与random.shuffle相同
• uniform 给定形状产生随机数组

pandas：

• pandas的主要功能
• 具备对其功能的数据结构DataFrame、Series
• 集成时间序列功能
• 提供丰富的数学运算和操作
• 灵活处理缺失数据

Series

• Series是一种类似于一位数组的对象，由一组数据和一组与之相关的数据标签（索引）组成。
• 创建方式：

pd.Series([4,7,-5,3])
结果：	0 4
1 7
2 -5
3 3
pd.Series([4,7,-5,3],index=[‘a‘,‘b‘,‘c‘,‘d‘])
结果：	a 4
b 7
c -5
d 3
pd.Series({‘a‘:1, ‘b‘:2})
结果：	a 1
b 2
pd.Series(0, index=[‘a‘,‘b‘,‘c‘,‘d’])
a 0
结果：	b 0
c 0
d 0

获取值数组和索引数组：values属性和index属性
Series比较像列表（数组）和字典的结合体。

Series支持数组的特性：

• 从ndarray创建Series：Series(arr)
• 与标量运算：sr*2
• 两个Series运算：sr1+sr2
• 索引：sr[0], sr[[1,2,4]]
• 切片：sr[0:2]（切片依然是视图形式）
• 通用函数：np.abs(sr)
• 布尔值过滤：sr[sr>0]
• 统计函数：mean() sum() cumsum()

Series支持字典的特性（标签）：

• loc
• 从字典创建Series：Series(dic),
• in运算：’a’ in sr、for x in sr
• 键索引：sr[‘a‘], sr[[‘a‘, ‘b‘, ‘d‘]]
• 键切片：sr[‘a‘:‘c‘]
• 其他函数：get(‘a‘, default=0)等

loc属性 以标签解释
iloc属性 以下标解释

如何在两个Series对象相加时将缺失值设为0？

• sr1.add(sr2, fill_value=0)
• Series缺失数据 NaN
• dropna() 过滤掉值为NaN的行
• fillna() 填充缺失数据
• isnull() 返回布尔数组，缺失值对应为True ： 布尔值索引
• notnull() 返回布尔数组，缺失值对应为False
• 过滤缺失数据：sr.dropna() 或 sr[data.notnull()]
• 填充缺失数据：fillna(0)

DataFrame

• 创建方式：
• pd.DataFrame({‘one‘:[1,2,3,4],‘two‘:[4,3,2,1]})
• pd.DataFrame({‘one‘:pd.Series([1,2,3],index=[‘a‘,‘b‘,‘c‘]), ‘two‘:pd.Series([1,2,3,4],index=[‘b‘,‘a‘,‘c‘,‘d‘])})

DataFrame使用索引切片

• 方法1：两个中括号，先取列再取行。 df[‘A‘][0]
• 方法2（推荐）：使用loc/iloc属性，一个中括号，逗号隔开，先取行再取列。
• loc属性：解释为标签
• iloc属性：解释为下标
• 向DataFrame对象中写入值时只使用方法2
• 行/列索引部分可以是常规索引、切片、布尔值索引、花式索引任意搭配。（注意：两部分都是花式索引时结果可能与预料的不同）

通过标签获取：

• df[‘A‘]
• df[[‘A‘, ‘B‘]]
• df[‘A‘][0]
• df[0:10][[‘A‘, ‘C‘]]
• df.loc[:,[‘A‘,‘B‘]]
• df.loc[:,‘A‘:‘C‘]
• df.loc[0,‘A‘]
• df.loc[0:10,[‘A‘,‘C‘]]

通过位置获取：

• df.iloc[3]
• df.iloc[3,3]
• df.iloc[0:3,4:6]
• df.iloc[1:5,:]
• df.iloc[[1,2,4],[0,3]]

通过布尔值过滤：

• df[df[‘A‘]>0]
• df[df[‘A‘].isin([1,3,5])]
• df[df<0] = 0

DataFrame数据对齐与缺失数据
DataFrame处理缺失数据的相关方法：

• dropna(axis=0,where=‘any‘,…)
• fillna()
• isnull()
• notnull()

pandas常用方法（适用Series和DataFrame）：

• mean(axis=0,skipna=False)
• sum(axis=1)
• sort_index(axis, …, ascending) 按行或列索引排序
• sort_values(by, axis, ascending) 按值排序
• NumPy的通用函数同样适用于pandas
• apply(func, axis=0) 将自定义函数应用在各行或者各列上 ，func可返回标量或者Series
• applymap(func) 将函数应用在DataFrame各个元素上
• map(func) 将函数应用在Series各个元素上