numpy和pandas简单使用

numpy和pandas简单使用

import numpy as np
import pandas as pd

一维数据分析

numpy中使用array, pandas中使用series

numpy一维数组array

1.基本使用

a= np.array([2,3,4,5])

a

array([2, 3, 4, 5])

a[0]

2

a[1:3]

array([3, 4])

a.dtype


dtype('int64')

2.向量化计算

a=np.array([1,2,3])


b=np.array([4,5,6])


a + b


array([5, 7, 9])


a * b


array([ 4, 10, 18])

3.统计功能

np.mean(a)


2.0


np.std(a)


0.816496580927726

pandas一维数据结构series

1.基本使用

stocks=pd.Series([54.74,190.0,173.14,1050.3,181.86,1139.49],index=['腾讯','阿里巴巴','苹果', '谷歌', 'Facebook', '亚马逊'])
  • 描述统计信息
stocks.describe()


count       6.000000
mean      464.921667
std       491.284358
min        54.740000
25%       175.320000
50%       185.930000
75%       835.225000
max      1139.490000
dtype: float64
  • 按照位置取值
stocks.iloc[0]


54.74
  • 按照索引取值
stocks.loc['腾讯']


54.74

2.向量化计算

s1 = pd.Series([1,2,3,4], index=['a', 'b', 'c', 'd'])
s2 = pd.Series([10,20,30,40], index=['a', 'b', 'e', 'f'])
s3 = s1 + s2
s3


a    11.0
b    22.0
c     NaN
d     NaN
e     NaN
f     NaN
dtype: float64
  • 相同index名称相加，index不同默认结果为NaN
  • 下面两种去除NaN的方法
s3.dropna()


a    11.0
b    22.0
dtype: float64


s3 = s1.add(s2, fill_value=0)
s3


a    11.0
b    22.0
c     3.0
d     4.0
e    30.0
f    40.0
dtype: float64

二维数据分析

numpy二维数组array

1.基本使用

a = np.array([[1,2,3, 4],
              [5,6,7,8],
              [9,10,11,12]])
a


array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 10, 11, 12]])


a[0,2]


3
  • 取第一行
a[0,:]


array([1, 2, 3, 4])
  • 取第一列
a[:, 0]


array([1, 5, 9])
  • 按行计算均值 axis=1 按行 axis=0 按列
a.mean(axis=1)


array([ 2.5,  6.5, 10.5])

pandas二维数据结构DataFrame

1.基本使用

  • 向DataFrame中传入一个字典
salesDict = {
    '购药时间': ['2018-01-01 星期五', '2018-01-02 星期六', '2018-01-06 星期三'],
    '社保卡号': ['001616528', '001616528', '0012602828'],
    '商品编码': [236701, 236701, 236701],
    '商品名称': ['强力VC银翘片', '清热解毒口服液', '感康'],
    '销售数量': [6,1,2],
    '应收金额': [82.8,28,16.8],
    '实收金额': [69, 24.64, 15]
}


saleDf=pd.DataFrame(salesDict)
saleDf
购药时间 社保卡号 商品编码 商品名称 销售数量 应收金额 实收金额
0 2018-01-01 星期五 001616528 236701 强力VC银翘片 6 82.8 69.00
1 2018-01-02 星期六 001616528 236701 清热解毒口服液 1 28.0 24.64
2 2018-01-06 星期三 0012602828 236701 感康 2 16.8 15.00
  • 使用OrderedDict保证数据有序
from collections import OrderedDict


salesOrderDict = OrderedDict(salesDict)
salesDf = pd.DataFrame(salesOrderDict)
salesDf
购药时间 社保卡号 商品编码 商品名称 销售数量 应收金额 实收金额
0 2018-01-01 星期五 001616528 236701 强力VC银翘片 6 82.8 69.00
1 2018-01-02 星期六 001616528 236701 清热解毒口服液 1 28.0 24.64
2 2018-01-06 星期三 0012602828 236701 感康 2 16.8 15.00
  • 统计功能
salesDf.mean()


商品编码    236701.000000
销售数量         3.000000
应收金额        42.533333
实收金额        36.213333
dtype: float64
  • 按照位置读取数据
salesDf.iloc[0,1]


'001616528'
  • 读取第一行数据
salesDf.iloc[0,:]


购药时间    2018-01-01 星期五
社保卡号         001616528
商品编码            236701
商品名称           强力VC银翘片
销售数量                 6
应收金额              82.8
实收金额                69
Name: 0, dtype: object
  • 读取第一列数据
salesDf.iloc[:,0]


0    2018-01-01 星期五
1    2018-01-02 星期六
2    2018-01-06 星期三
Name: 购药时间, dtype: object
  • 按照列名称读取数据
  • 读取某一列或某几列数据
salesDf.loc[:,'商品名称']


0    强力VC银翘片
1    清热解毒口服液
2         感康
Name: 商品名称, dtype: object


salesDf.loc[:, ['商品名称', '销售数量']]
商品名称 销售数量
0 强力VC银翘片 6
1 清热解毒口服液 1
2 感康 2
  • 读取列数据的简单写法
salesDf['商品名称']


0    强力VC银翘片
1    清热解毒口服液
2         感康
Name: 商品名称, dtype: object

2.筛选查询

  • 构建查询条件
querySet = salesDf.loc[:, '销售数量'] > 1
type(querySet)


pandas.core.series.Series


querySet


0     True
1    False
2     True
Name: 销售数量, dtype: bool
  • 应用查询条件
salesDf.loc[querySet,:]
购药时间 社保卡号 商品编码 商品名称 销售数量 应收金额 实收金额
0 2018-01-01 星期五 001616528 236701 强力VC银翘片 6 82.8 69.0
2 2018-01-06 星期三 0012602828 236701 感康 2 16.8 15.0

3.pandas读取execl

这里依赖于xlrd

fileNameStr = './手机销售情况.xlsx'
xls = pd.ExcelFile(fileNameStr)


salesDf = xls.parse('Sheet1')
  • 读取前5行
salesDf.head()
商品名称 单价 销量
0 IphoneXsMax 9900 100000
1 IphoneXR 5000 500000
2 小米9 2999 2000000
3 IpadMini5 2999 100000000
  • 查看数据类型
salesDf.loc[:, '单价'].dtype


dtype('int64')


salesDf.dtypes


商品名称    object
单价       int64
销量       int64
dtype: object
  • 查看数据行数列数
salesDf.shape


(4, 3)
  • 每一列的描述统计信息
salesDf.describe()
单价 销量
count 4.000000 4.000000e+00
mean 5224.500000 2.565000e+07
std 3256.603599 4.957341e+07
min 2999.000000 1.000000e+05
25% 2999.000000 4.000000e+05
50% 3999.500000 1.250000e+06
75% 6225.000000 2.650000e+07
max 9900.000000 1.000000e+08
posted @ 2019-03-27 21:32  Peterer~王勇  阅读(705)  评论(0)  编辑  收藏  举报