- import numpy as np
- import pandas as pd
- import matplotlib.pyplot as plt
- ---------------numpy-----------------------
- arr = np.array([1,2,3], dtype=np.float64)
- np.zeros((3,6)) np.empty((2,3,2)) np.arange(15)
- arr.dtype arr.ndim arr.shape
- arr.astype(np.int32) #np.float64 np.string_ np.unicode_
- arr * arr arr - arr 1/arr
- arr= np.arange(32).reshape((8,4))
- arr[1:3, : ] #正常切片
- arr[[1,2,3]] #花式索引
- arr.T arr.transpose((...)) arr.swapaxes(...) #转置
- arr.dot #矩阵内积
- np.sqrt(arr) np.exp(arr) randn(8)＃正态分布值 np.maximum(x,y)
- np.where(cond, xarr, yarr) ＃当cond为真，取xarr,否则取yarr
- arr.mean() arr.mean(axis=1) #算术平均数
- arr.sum() arr.std() arr.var() #和、标准差、方差
- arr.min() arr.max() #最小值、最大值
- arr.argmin() arr.argmax() #最小索引、最大索引
- arr.cumsum() arr.cumprod() #所有元素的累计和、累计积
- arr.all() arr.any() # 检查数组中是否全为真、部分为真
- arr.sort() arr.sort(1) #排序、1轴向上排序
- arr.unique() #去重
- np.in1d(arr1, arr2) #arr1的值是否在arr2中
- np.load() np.loadtxt() np.save() np.savez() ＃读取、保存文件
- np.concatenate([arr, arr], axis=1) ＃连接两个arr，按行的方向
- ---------------pandas-----------------------
- ser = Series() ser = Series([...], index=[...]) #一维数组, 字典可以直接转化为series
- ser.values ser.index ser.reindex([...], fill_value=0) #数组的值、数组的索引、重新定义索引
- ser.isnull() pd.isnull(ser) pd.notnull(ser) #检测缺失数据
- ser.name= ser.index.name= #ser本身的名字、ser索引的名字
- ser.drop(‘x‘) #丢弃索引x对应的值
- ser +ser #算术运算
- ser.sort_index() ser.order() ＃按索引排序、按值排序
- df = DataFrame(data, columns=[...], index=[...]) #表结构的数据结构，既有行索引又有列索引
- df.ix[‘x‘] #索引为x的值 对于series，直接使用ser[‘x‘]
- del df[‘ly‘] #用del删除第ly列
- df.T #转置
- df.index.name df.columns.name df.values
- df.drop([...])
- df + df df1.add(df2, fill_vaule=0) #算术运算
- df -ser #df与ser的算术运算
- f=lambda x: x.max()-x.min() df.apply(f)
- df.sort_index(axis=1, ascending=False) #按行索引排序
- df.sort_index(by=[‘a‘,‘b‘]) #按a、b列索引排序
- ser.rank() df.rank(axis=1) #排序，增设一个排名值
- df.sum() df.sum(axis=1) #按列、按行求和
- df.mean(axis=1, skipna=False) #求各行的平均值，考虑na的存在
- df.idxmax() #返回最大值的索引
- df.cumsum() #累计求和
- df.describe() ser.describe() #返回count mean std min max等值
- ser.unique() #去重
- ser.value_counts() df.value_counts() ＃返回一个series，其索引为唯一值，值为频率
- ser.isin([‘x‘, ‘y‘]) #判断ser的值是否为x,y，得到布尔值
- ser.dropna() ser.isnull() ser.notnull() ser.fillna(0) #处理缺失数据，df相同
- df.unstack() #行列索引和值互换 df.unstack().stack()
- df.swaplevel(‘key1‘,‘key2‘) #接受两个级别编号或名称，并互换
- df.sortlevel(1) #根据级别1进行排序，df的行、列索引可以有两级
- df.set_index([‘c‘,‘d‘], drop=False) #将c、d两列转换为行,因drop为false，在列中仍保留c,d
- read_csv read_table read_fwf #读取文件分隔符为逗号、分隔符为制表符(‘\t‘)、无分隔符（固定列宽）
- pd.read_csv(‘...‘, nrows=5) #读取文件前5行
- pd.read_csv(‘...‘, chunksize=1000) #按块读取，避免过大的文件占用内存
- pd.load() #pd也有load方法，用来读取二进制文件
- pd.ExcelFile(‘...xls‘).parse(‘Sheet1‘) # 读取excel文件中的sheet1
- df.to_csv(‘...csv‘, sep=‘|‘, index=False, header=False) #将数据写入csv文件，以｜为分隔符，默认以，为分隔符, 禁用列、行的标签
- pd.merge(df1, df2, on=‘key‘, suffixes=(‘_left‘, ‘_right‘)) #合并两个数据集,类似数据库的inner join, 以二者共有的key列作为键,suffixes将两个key分别命名为key_left、key_right
- pd.merge(df1, df2, left_on=‘lkey‘, right_on=‘rkey‘) #合并，类似数据库的inner join, 但二者没有同样的列名，分别指出，作为合并的参照
- pd.merge(df1, df2, how=‘outer‘) #合并，但是是outer join；how=‘left‘是笛卡尔积，how=‘inner‘是...;还可以对多个键进行合并
- df1.join(df2, on=‘key‘, how=‘outer‘) #也是合并
- pd.concat([ser1, ser2, ser3], axis=1) #连接三个序列，按行的方向
- ser1.combine_first(ser2) df1.combine_first(df2) #把2合并到1上，并对齐
- df.stack() df.unstack() #列旋转为行、行旋转为列
- df.pivot()
- df.duplicated() df.drop_duplicates() #判断是否为重复数据、删除重复数据
- df[‘‘].map(lambda x: abs(x)) #将函数映射到df的指定列
- ser.replace(-999, np.nan) #将－999全部替换为nan
- df.rename(index={}, columns={}, inplace=True) #修改索引，inplace为真表示就地修改数据集
- pd.cut(ser, bins) #根据面元bin判断ser的各个数据属于哪一个区段，有labels、levels属性
- df[(np.abs(df)>3).any(1)] #输出含有“超过3或－3的值”的行
- permutation take #用来进行随机重排序
- pd.get_dummies(df[‘key‘], prefix=‘key‘) #给df的所有列索引加前缀key
- df[...].str.contains() df[...].str.findall(pattern, flags=re.IGNORECASE) df[...].str.match(pattern, flags=...) df[...].str.get() #矢量化的字符串函数
- ----绘图
- ser.plot() df.plot() #pandas的绘图工具，有参数label, ax, style, alpha, kind, logy, use_index, rot, xticks, xlim, grid等，详见page257
- kind=‘kde‘ #密度图
- kind=‘bar‘ kind=‘barh‘ #垂直柱状图、水平柱状图，stacked=True为堆积图
- ser.hist(bins=50) #直方图
- plt.scatter(x,y) #绘制x,y组成的散点图
- pd.scatter_matrix(df, diagonal=‘kde‘, color=‘k‘, alpha=‘0.3‘) #将df各列分别组合绘制散点图
- ----聚合分组
- groupby() 默认在axis=0轴上分组，也可以在1组上分组；可以用for进行分组迭代
- df.groupby(df[‘key1‘]) #根据key1对df进行分组
- df[‘key2‘].groupby(df[‘key1‘]) #根据key1对key2列进行分组
- df[‘key3‘].groupby(df[‘key1‘], df[‘key2‘]) #先根据key1、再根据key2对key3列进行分组
- df[‘key2‘].groupby(df[‘key1‘]).size() #size()返回一个含有分组大小的series
- df.groupby(df[‘key1‘])[‘data1‘] 等价于 df[‘data1‘].groupby(df[‘key1‘])
- df.groupby(df[‘key1‘])[[‘data1‘]] 等价于 df[[‘data1‘]].groupby(df[‘key1‘])
- df.groupby(mapping, axis=1) ser(mapping) #定义mapping字典，根据字典的分组来进行分组
- df.groupby(len) #通过函数来进行分组，如根据len函数
- df.groupby(level=‘...‘, axis=1) #根据索引级别来分组
- df.groupby([], as_index=False) #禁用索引，返回无索引形式的数据
- df.groupby(...).agg([‘mean‘, ‘std‘]) #一次使用多个聚合函数时，用agg方法
- df.groupby(...).transform(np.mean) #transform()可以将其内的函数用于各个分组
- df.groupby().apply() #apply方法会将待处理的对象拆分成多个片段，然后对各片段调用传入的函数，最后尝试将各片段组合到一起
- ----透视交叉
- df.pivot_table([‘‘,‘‘], rows=[‘‘,‘‘], cols=‘‘, margins=True) #margins为真时会加一列all
- pd.crosstab(df.col1, df.col2, margins=True) #margins作用同上
- ---------------matplotlib---------------
- fig=plt.figure() ＃图像所在的基对象
- ax=fig.add_subplot(2,2,1) #2*2的图像，当前选中第1个
- fig, axes = plt.subplots(nrows, nclos, sharex, sharey) #创建图像，指定行、列、共享x轴刻度、共享y轴刻度
- plt.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)
- #调整subplot之间的距离，wspace、hspace用来控制宽度、高度百分比
- ax.plot(x, y, linestyle=‘--‘, color=‘g‘) #依据x,y坐标画图，设置线型、颜色
- ax.set_xticks([...]) ax.set_xticklabels([...]) #设置x轴刻度
- ax.set_xlabel(‘...‘) #设置x轴名称
- ax.set_title(‘....‘) ＃设置图名
- ax.legend(loc=‘best‘) #设置图例， loc指定将图例放在合适的位置
- ax.text(x,y, ‘hello‘, family=‘monospace‘, fontsize=10) #将注释hello放在x,y处，字体大小为10
- ax.add_patch() #在图中添加块
- plt.savefig(‘...png‘, dpi=400, bbox_inches=‘tight‘) #保存图片，dpi为分辨率，bbox＝tight表示将裁减空白部分
- ------------------------------------------
- from mpl_toolkits.basemap import Basemap
- import matplotlib.pyplot as plt
- #可以用来绘制地图
- -----------------时间序列--------------------------
- pd.to_datetime(datestrs) #将字符串型日期解析为日期格式
- pd.date_range(‘1/1/2000‘, periods=1000) #生成时间序列
- ts.resample(‘D‘, how=‘mean‘) #采样，将时间序列转换成以每天为固定频率的, 并计算均值；how=‘ohlc‘是股票四个指数；
- ＃重采样会聚合，即将短频率（日）变成长频率（月），对应的值叠加；
- ＃升采样会插值，即将长频率变为短频率，中间产生新值
- ts.shift(2, freq=‘D‘) ts.shift(-2, freq=‘D‘) #后移、前移2天
- now+Day() now+MonthEnd()
- import pytz pytz.timezone(‘US/Eastern‘) #时区操作，需要安装pytz
- pd.Period(‘2010‘, freq=‘A-DEC‘) ＃period表示时间区间，叫做时期
- pd.PeriodIndex #时期索引
- ts.to_period(‘M‘) #时间转换为时期
- pd.rolling_mean(...) pd.rolling_std(...) #移动窗口函数－平均值、标准差
时间： 2024-08-06 19:08:09