numpy和Pandas用法讲解
1 一。 数组要比列表效率高很多 2 numpy高效的处理数据，提供数组的支持，python默认没有数组。pandas、scipy、matplotlib都依赖numpy。 3 pandas主要用于数据挖掘，探索，分析 4 maiplotlib用于作图，可视化 5 scipy进行数值计算，如：积分，傅里叶变换，微积分 6 statsmodels用于统计分析 7 Gensim用于文本挖掘 8 sklearn机器学习， keras深度学习 9 二。 10 numpy和mkl 下载安装 11 pandas和maiplotlib网络安装 12 scipy 下载安装 13 statsmodels和Gensim网络安装 14 三numpy的操作。 15 import numpy 16 # 创建数一维数组组 17 # numpy.array([元素1,元素2，......元素n]) 18 x = numpy.array(['a', '9', '8', '1']) 19 # 创建二维数组格式 20 # numpy.array([[元素1,元素2，......元素n],[元素1,元素2，......元素n],[元素1,元素2，......元素n]]) 21 y = numpy.array([[3,5,7],[9,2,6],[5,3,0]]) 22 # 排序 23 x.sort() 24 y.sort() 25 # 取最大值 26 y1 = y.max() 27 # 取最小值 28 y2 = y.main() 29 # 切片 30 四pandas的操作。 31 import pandas as pda 32 # 使用pandas生成数据 33 # Series代表某一串数据 index指定行索引名称，Series索引默认从零开始 34 # DataFrame代表行列整合出来的数据框,columns 指定列名 35 a = pda.Series([8, 9, 2, 1], index=['one', 'two', 'three', 'four']) 36 # 以列表的格式创建数据框 37 b = pda.DataFrame([[5,6,2,3],[3,5,1,4],[7,9,3,5]], columns=['one', 'two', 'three', 'four'],index=['one', 'two', 'three']) 38 # 以字典的格式创建数据框 39 c = pda.DataFrame({ 40 'one':4, # 会自动补全 41 'two':[6,2,3], 42 'three':list(str(982)) 43 }) 44 # b.head(行数)# 默认取前5行头 45 # b.tail(行数)# 默认取后5行尾 46 # b.describe() 统计数据的情况 count mean std min 25% max 47 e = b.head() 48 f = b.describe() 49 # 数据的转置,及行变成列，列变成行 50 g = b.T 51 五python数据的导入 52 import pandas as pad 53 f = open('d:/大.csv','rb') 54 # 导入csv 55 a = pad.read_csv(f, encoding='python') 56 # 显示多少行多少列 57 a.shape() 58 a.values[0][2] #第一行第三列 59 # 描述csv数据 60 b = a.describe() 61 # 排序 62 c = a.sort_values() 63 # 导入excel 64 d = pad.read_excel('d:/大.xls') 65 print(d) 66 print(d.describe()) 67 # 导入mysql 68 import pymysql 69 conn = pymysql.connect(host='localhost', user='root', passwd='root', db='') 70 sql = 'select * from mydb' 71 e = pad.read_sql(sql, conn) 72 # 导入html表格数据 需要先安装 html5lib和bs4 73 g = pad.read_html('https://book.douban.com/subject/30258976/?icn=index-editionrecommend') 74 # 导入文本数据 75 h = pad.read_table('d:/lianjie.txt','rb', engine='python') 76 print(h.describe()) 77 六matplotlib的使用 78 # 折线图/散点图用plot 79 # 直方图用hist 80 import matplotlib.pylab as pyl 81 import numpy as npy 82 x = [1,2,4,6,8,9] 83 y = [5,6,7,8,9,0] 84 pyl.plot(x, y) #plot(x轴数据，y轴数据，展现形式) 85 # o散点图,默认是直线 c cyan青色 r red红色 m magente品红色 g green绿色 b blue蓝色 y yellow黄色 w white白色 86 # -直线 --虚线 -. -.形式 :细小虚线 87 # s方形 h六角形 *星星 + 加号 x x形式 d菱形 p五角星 88 pyl.plot(x, y, 'D') 89 pyl.title('name') #名称 90 pyl.xlabel('xname') #x轴名称 91 pyl.ylabel('yname') #y轴名称 92 pyl.xlim(0,20) #设置x轴的范围 93 pyl.ylim(2,22) #设置y轴的范围 94 pyl.show() 95 # 随机数的生成 96 data = npy.random.random_integers(1,20,100) #(最小值，最大值，个数) 97 # 生成具有正态分布的随机数 98 data2 = npy.random.normal(10.0, 1.0, 10000) #(均值，西格玛，个数) 99 # 直方图hist 100 pyl.hist(data) 101 pyl.hist(data2) 102 # 设置直方图的上限下限 103 sty = npy.arange(2,20,2) #步长也表示直方图的宽度 104 pyl.hist(data, sty, histtype='stepfilled') # 去除轮廓 105 # 子图的绘制和使用 106 pyl.subplot(2, 2, 2) # (行，列，当前区域) 107 x1 = [2,3,5,8,6,7] 108 y1 = [2,3,5,9,6,7] 109 pyl.plot(x1, y1) 110 pyl.subplot(2, 2, 1) # (行，列，当前区域) 111 x1 = [2,3,5,9,6,7] 112 y1 = [2,3,5,9,6,7] 113 pyl.plot(x1, y1) 114 pyl.subplot(2, 1, 2) # (行，列，当前区域) 115 x1 = [2,3,5,9,6,7] 116 y1 = [2,3,9,5,6,7] 117 pyl.plot(x1, y1) 118 pyl.show()
另外安利一个学习教程：Python3数据科学入门与实战（视频+源码）
分享一个好的IT资源平台：点击进入
