blackclody

  博客园 :: 首页 :: 博问 :: 闪存 :: 新随笔 :: 联系 :: 订阅 订阅 :: 管理 ::
Python数据分析和展示

 
1.课程简介
python数据分析和展示
掌握表示、清洗、统计和展示数据的能力
包括 numpy库 ndarray
Matplotlib库 pyplot
Pandas库 Series DataFrame类型
编程工具：
使用anacode IDE集成开发环境
需要理解和掌握如下工具的使用： conda, spyder, IPython
本课程的实例：
实例1：图像的手绘效果
实例2：引力波的绘制
实例3：房价趋势的关联因素分析
实例4：股票数据的趋势分析曲线
坐标系的绘制
饼图的绘制
直方图的绘制
极坐标图的绘制
散点图的绘制
2. Anaconda IDE的基本使用
开源免费
支持近800个第三方库
包含多个主流工具
适合数据计算领域开发
win/linux/OS X
包管理和环境管理工具 conda
conda: 一个工具，用于包管理和环境管理 ，其中：
包管理与pip类似，管理python的第三方库
环境管理能够允许用户使用不同版本python，并能灵活切换
anaconda:一个集合，包括conda，某版本的python，一批第三方库
conda将工具，第三方库，Python版本，conda都当作包，同等对待
win平台 cmd 执行 conda --version 获取conda版本
执行 conda update conda升级 conda

编程工具spyder
交互式编程环境 IPython: 是一个功能强大的交互式shell 适合用于进行交互式的数据可视化和GUI的相关应用
变量前或后增加？将显示一些通用信息和包括函数对应的源代码 
%run demo.py用于运行一个py程序
IPython的%魔术命令
常用命令说明
%magic显示所有的魔术命令
%histIPython命令的输入历史
%pdb异常发生后自动进行调试器
%reset删除当前命令空间中的全部变量或名称
%who显示IPython当前命令空间中已经定义的变量
%time statement给出代码的执行时间，statement表示一段代码
%timeit statement多次执行代码，计算综合平均执行时间
中国大学mooc平台在线开放课程  www.icourses.cn/imooc
3. numpy库入门
数据的维度
维度：一组数据的组织形式
一维数据：由对待关系的有序或无序数据构成，采用线性方式组织 数组，对应列表，数组和集合的概念
列表：数据类型可以不同
数组：数据类型相同
二维数据：由多个一维数据组成，是一维数据的组合形式
多维数据：由一维或二维数据在新的维度上的扩展形成的
高维数据：仅利用最基本的二元关系展示数据间的复杂结构
数据维度的python表示
数据维度是数据的组织形式
一维数据： 列表和集合类型  列表有序  集合无序
二维数据：列表类型
多维数据：列表类型
高维数据：字典类型或或JSON,XML和YAML格式
numpy的数据对象ndarray
numpy是一个开源的python科学计算基础库，包含：
  • 一个强大的N维数组对象 ndarray
  • 广播功能函数
  • 整合C/C++/Fortran代码的工具
  • 线性代数、傅立叶变换、随机数生成等功能
numpy是Scipy，Pandas等数据处理或科学计算库的基础
numpy库的引用  import numpy as np 
ndarray和python自带列表的区别，如下面的例子所示
  1. import numpy as np
  2. def npSum():
  3.     a = np.array([0,1,2,3,4,5])
  4.     b = np.array([9,8,7,6,5,4])
  5.     c = a**2 + b**3
  6.     return c
  7. def pySum():
  8. 	a = [0,1,2,3,4,5]
  9. 	b = [9,8,7,6,5,4]
  10. 	c = []
  11. 	for i in range(len(a)):
  12. 		c.append(a[i]**2 + b[i]**3)
  13. 	return c
  14. print(npSum())
  15. print(pySum())
输出
[729 513 347 225 141  89]
[729, 513, 347, 225, 141, 89]
numpy中ndarray的优点：
  • ndarray对象可以去掉元素间运算所需的循环，便一维向量更像单个数据
  • 设置专门的数组对象，经过优化，可以提升这类应用的运算速度
  • 数组对象采用相同的数据类型，有助于节省运算和存储空间
ndarray是一个多维的数组对象，由两部分构成：
  • 实际的数据
  • 描述这些数据的元数据（数据维度、数据类型等）
ndarray数据一般要求所有元素类型相同（同质），数据下标从0开始
ndarray实例
>>> a = np.array([[0,1,2,3,4],[9,8,7,6,5]]) # np.array()生成一个ndarray数组
>>> a
array([[0, 1, 2, 3, 4],
       [9, 8, 7, 6, 5]])
>>> print(a)#ndarray()输出成[]形式，元素由空格分割
[[0 1 2 3 4]
 [9 8 7 6 5]]
轴：保存数据的维度
秩：轴的数量
ndarray对象的属性
属性说明
.ndim秩，即轴的数量或维度的数量
.shapendarray对象尺度，对于 矩阵，n行m列
.sizendarray对象元素的个数，相当于.shape中的n*m的值
.dtypendarray对象的元素类型
.itemsizendarray对象中每个元素的大小，以字节为单位
如
>>> a.ndim
2
>>> a.shape
(2, 5)
>>> a.size
10
>>> a.dtype
dtype('int32')
>>> a.itemsize
4

ndarray数组的元素类型


数据类型说明
bool布尔类型，True或False
intc与C语言中int类型一致，一般是int32或int64
intp用于索引的整数，与C语言中ssize_t一致，int32或int64
int8字节长度的整数，取值：[-128,127]
int1616位长度的整数，取值：[-32768,32767]
int3232位长度的整数，取值：[-231,231-1]
int6464位长度的整数，取值：[-263,263-1]
uint88位无符号整数，取值：[0,255]
uint1616位无符号整数，取值：[0,65535]
uint3232位无符号整数，取值：[0,232-1]
uint6464位无符号整数，取值：[0,264-1]
float1616位半精度浮点数
float3232位半精度浮点数
float6464位半精度浮点数
complex64复数类型，实部和虚部都是32位的浮点数
complex128复数类型，实部和虚部都是64位的浮点数
ndarray数组的创建方法
  1. 从python的列表、元组等类型创建ndarray数组，如 x = np.array(list/tuple)  x = np.array(list/tuple,dytpe = np.float32
  2. 使用numpy中函数创建ndarray数组，如arange,ones,zeros等


函数说明
np.arange(n)类似range()函数，返回ndarray类型，元素从0到n-1
np.ones(shape)根据shape生成一个全1的数组，shape是元组类型
np.zeros(shape)根据shape生成一个全0数组，shape是元组类型
np.full(shape,val)根据shape生成一个数组，每个元素都是val
np.eye(n)创建一个正方的n*n单位矩阵，对角线为1，其余为0
np.ones_like(a)根据数组a的形状生成一个全1的数组
np.zeros_like(a)根据数据a的形状生成一个全0的数据
np.full_like(a,val)根据数组a的形状生成一个数组，每个元素都是val
np.linspace()根据起止数据等间距填充数据，形成数组
np.concatenate()将两个或多个数组组合成一个新的数组

  1. 从字节流(raw bytes)中创建ndarray数组
  2. 从文件中读取特定格式，创建ndarray数组
ndarray数组的变换


方法说明
.reshape(shape)不改变数组元素，返回一个shape形状的数组，原数组不变
.resize(shape)与.shape()功能一致，但修改原数组
.swapaxes(ax1,ax2)将数组n个维度中两个维度进行调换
.flatten()对数组进行降维，返回折叠后的一维数组，原数组不变
ndarray数组的类型变换  new_a = a.astype(new_type)
>>> a = np.array([1,2,3],dtype = np.int)
>>> a.dtype
dtype('int32')
>>> b = a.astype(np.float)
>>> b.dtype
dtype('float64')
ndarray数组向列表的转换 ls = a.tolist()
>>> c = a.tolist()
>>> c
[1, 2, 3]

ndarray数组的操作
索引和切片：与python的列表类似

ndarray数组的运算
数组与标量之间的运算作用于数组的每一个元素
对ndarray中的数据执行元素级运算的函数


函数说明
np.abs() np.fabs()计算数组各元素的绝对值
np.sqrt()计算数组各元素的平方根
np.square()计算数组各元素的平方
np.log(x),np.log10(x),np.log2(x)计算数组各元素的自然对数、10底对数和2底对数
np.ceil(x),np.floor(x)计算数组各元素的ceiling值或floor值
np.rint(x)计算数组各元素的四舍五入值
np.modf(x)将数据各元素的整数和小数部分以两个独立的数组形式返回
np.cos/cosh/sin/sinh/tan/tanh计算数据各元素的普通型和双典型的三角函数
np.exp(x)计算数组各元素的指数值
np.sign(x)计算数组各元素的符号值，1(+),0,-1(-)
numpy的二元函数
函数说明
+ - * / **两个数组对应的元素进行相应的运算
np.maximum/minimum/fmax/fmin元素级的最大值/最小值
np.mod(x,y)元素级的模运算
np.copysign(x,y)将元素y中各元素值的符号赋值给数据x对应的元素
> < >= <= == !=算术比较，产生布尔型的数组

numpy数据存取函数
数据的csv文件存取
CSV（Comma-Separated Value,逗号分隔值）是一种常见的文件格式，用来存储批量数据
np.savetxt(frame,array,fmt='%.18e',delimiter=None)
frame: 文件、字符串或产生器，可以是.gz或.bz2的压缩文件
array: 存入文件的数组
fmt:写入文件的格式 ，例如%d %.2f %.18e
delimiter: 分割字符串，默认是空格
如
>>> import numpy as np
>>> a = np.arange(100).reshape(5,20)
>>> np.savetxt('a.csv',a,fmt='%d',delimiter=',')
a.csv文件
np.loadtxt(frame,dtype=np.float,delimiter=None,unpack=False)
frame: 文件、字符串或产生器，可以是.gz或.bz2的压缩文件
dtype:数据类型，可选
delimiter: 分割字符串，默认是空格
unpack:如果True，读入属性将分别写入不同的变量
csv只能有效存储一维和二维数组

多维数据的存取
a.tofile(frame,seq=' ',format='%s')
frame:文件，字符串
seq:数据分割字符串，如果是空串，写入文件为二进制
format:写入数据的格式
如
>>> a = np.arange(100).reshape(5,20)
>>> a.tofile('a.dat',sep=',',format='%d')
np.fromfile(frame,dtype=float,count=-1,sep=' ')
frame:文件，字符串
dtype:读取的数据类型
count:读入元素的个数，-1表示读入整个文件
seq:数据分割字符串，如果是空串，写入文件为二进制
 numpy的便捷文件读取
np.save(fname,array)
np.savez(fname,array)
fname:文件名，以.npy为扩展名，压缩扩展名为.npz
array:数据变量
np.load(fname)
fname:文件名，以.npy为扩展名，压缩扩展名为.npz

numpy的随机数函数
np.random.*


函数说明
rand(d0,d1,...,dn)根据d0-dn创建随机数数组，浮点数，[0,1)，均匀分布
randn(d0,d1,...,dn)根据d0-dn创建随机数数组，标准正态分布
randint(low[,high,shape])根据shape创建随机整数或整数数组，范围是[low,high)
seed(s)随机数种子，s是给定的种子值
shuffle(a)根据数组a的第1轴进行随排列，改变数组a
permutation(a)根据数组a的第1轴产生一个新的乱序数组，不改变数组a
choice(a[,size,replace,p])从一维数组a中以概率p抽取元素，形成size形状新数组replace表示是否可能重用元素，默认为False
uniform(low,high,size)产生具有均匀分布的数组，low起始值，high结束值，size为形状
normal(loc,scale,size)产生具有正态分布的数组，loc为均值，scale标准差，size为形状
poisson(lam,size)产生具有泊松分布的数组，lam为随机事件发生率，size为形状

numpy的统计函数

注意： axis = None是统计函数的标配参数
函数说明
sum(a,axis=None)根据给定axis计算数组a相关元素之和，axis整数或元组
mean(a,axis=None)根据给定axis计算数组a相关元素的期望，axis整数或元组
average(a,axis=None,weights=None)根据给定axis计算数组a相关元素的加权平均值
std(a,axis=None)根据给定轴axis计算数组a相关元素的标准差
var(a,axis = None)根据给定轴axis计算数组a相关元素的方差
min(a)  max(a)计算数组a中元素的最小值，最大值
argmin(a) argmax(a)计算数组a中元素的最小值，最大值的降一维后下标
unravel_index(index,shape)根据shape将一维下标index转换成多维下标
ptp(a)计算数组a中元素最大值和最小值的差
median(a)计算数组a中元素的中位数(中值)
numpy的梯度函数


函数说明
np.gradient(f)计算数组f中元素的梯度，当f为多维时，返回每个维度梯度
梯度是指连续值之间的变化率，即斜率
XY坐标轴连续三个x坐标对应的y轴值：a,b,c，其中b的梯度是(c-a)/2 
 
二、matplotlib库入门
matplotlib是Python优秀的数据可视化第三方库
matplotlib库的效果可参考
http://matplotlib.org/gallery.html
matplotlib的使用 由各种可视化类构成，内部结构复杂，受matlab库启发，matplotlab.pyplot是绘制种类可视化图形的命令子库，相当于快捷方式
import matplotlib.pyplot as plt
  1. import matplotlib.pyplot as plt
  2. plt.plot([2,3,4,5,1,6])
  3. plt.ylabel("Grade")
  4. plt.savefig('test',dpi=600)#plt.savefig()将输出图形存储为文件，默认为png格式，可以通过dpi修改输出质量
  5. plt.show()
输出
plt.plot(x,y)当有两个以上参数时，按照x轴和y轴顺序绘制数据点
  1. import matplotlib.pyplot as plt
  2. plt.plot([0,2,4,6,8,10],[2,3,4,5,1,6])
  3. plt.ylabel("Grade")
  4. plt.axis([-1,11,0,7])
  5. plt.show()
输出效果
plot.subplot(nrows,ncols,plot_number)
在全局绘制区域中创建一个分区体系，并定位到一个子绘图区域
pyplot绘图区域示例
  1. import numpy as np 
  2. import matplotlib.pyplot as plt 
  4. def f(t):
  5. 	return np.exp(-t) * np.cos(2*np.pi*t)
  7. a = np.arange(0.0,5.0,0.02)
  9. plt.subplot(211)
  10. plt.plot(a,f(a))
  12. plt.subplot(2,1,2)
  13. plt.plot(a,np.cos(2*np.pi*a),'r--')
  14. plt.show()
输出
plt.plot(x,y,format_string,**kwargs)
x:x轴数据，列表或数组，可选
y:y轴数据，列表或数组
format_string: 控制曲线的格式字符串，可迁
**kwargs: 第二组或更多的(x,y,format_string)
注意：当绘制多条曲线时，各条曲线的x不能省略
如
  1. import numpy as np 
  2. import matplotlib.pyplot as plt 
  4. a = np.arange(10)
  5. plt.plot(a,a*1.5,a,a*2.5,a,a*3.5,a,a*4.5)
  6. plt.show()
 format_string：由颜色字符、风格字符和标记字符组成
颜色字符说明颜色字符说明
'b'blue'm'magenta洋红色
'g'green'y'黄色
'r'red'k'黑色
'c'cyan青绿色'w'白色
'#008000'RGB某颜色'0.8'灰度值字符串


风格字符说明
'-'实线
'--'破折线
'-.'点划线
':'虚线
' '无线条


标记字符说明标记字符说明标记字符说明
'.'点标记'1'下花三角标记'h'竖六边形标记
','像素标记(极小点)'2'上花三角标记'H'横六边形标记
'o'实心圏标记'3'左花三角标记'+'十字形标记
'v'倒三角标记'4'右花三角标记'x'x标记
'^'上三角标记's'实心方形标记'D'菱形标记
'>'右三角标记'p'实心五角标记'd'瘦菱形标记
'<'左三角标记'*'星形标记'|'垂直线标记

**kwargs: 第二组或更多(x,y,format_string)
color: 控制颜色 如color='green'
linestyle:线条控制 如linestyle='dashed'
marker:标记风格，marker='o'
markerfacecolor:标记颜色，markerfacecolor='blue'
markersize:标记尺寸，markersize=20
...
 
pyplot的中文显示
pyplot并不默认支持中文显示，需要rcParams修改字体实现
  1. import matplotlib
  2. import matplotlib.pyplot as plt 
  5. matplotlib.rcParams['font.family']='SimHei'
  6. plt.plot([3,1,4,5,2])
  7. plt.ylabel('纵轴值')
  8. plt.savefig('test',dpi=600)
  9. plt.show()

 


属性说明
'font.family'用于显示字体的名字
'font.style'字体风格，正常'normal'或斜体'italic'
'font.size'字体大小，整数字号或者'large','x-small'

rcParams['font.family']
中文字体说明
'SimHei'中文黑体
'Kaiti'中文楷体
'LiSu'中文隶书
'FangSong'中文仿宋
'YouYuan'中文幼圆
STSong华文宋体
  1. import matplotlib
  2. import matplotlib.pyplot as plt 
  3. import numpy as np
  6. matplotlib.rcParams['font.family']='STSong'
  7. matplotlib.rcParams['font.size']=20
  9. a = np.arange(0.0,5.0,0.02)
  10. plt.xlabel('纵轴： 振幅')
  11. plt.ylabel('横轴： 时间')
  12. plt.plot(a,np.cos(2*np.pi*a),'r--')
  13. plt.show()

在有中文输出的地方，增加一个属性：fontproperties
pyplot的文本显示
 

函数说明
plt.xlabel()对x轴增加文本标签
plt.ylabel()对y轴增加文本标签
plt.title()对图形本整体增加文本标签
plt.text()在任意位置增加文本
plt.annotate()在图形中增加带箭头的注释
  2. import matplotlib.pyplot as plt 
  3. import numpy as np
  7. a = np.arange(0.0,5.0,0.02)
  8. plt.xlabel('纵轴： 振幅', fontproperties='SimHei', fontsize=20, color = 'green')
  9. plt.ylabel('横轴： 时间', fontproperties='SimHei', fontsize=20)
  10. plt.title(r'正弦波实例$y=cos(2\pi x)$',fontproperties='SimHei',fontsize=25)
  11. plt.text(2,1,r'$\mu=100$',fontsize=15)
  12. plt.plot(a,np.cos(2*np.pi*a),'r--')
  13. plt.show()
输出效果
plt.annotate(s,xy=arrow_crd,xytext=text_crd,arrowprops=dict)
  2. import matplotlib.pyplot as plt 
  3. import numpy as np
  7. a = np.arange(0.0,5.0,0.02)
  8. plt.plot(a,np.cos(2*np.pi*a),'r--')
  10. plt.xlabel('纵轴： 振幅', fontproperties='SimHei', fontsize=20, color = 'green')
  11. plt.ylabel('横轴： 时间', fontproperties='SimHei', fontsize=20)
  12. plt.title(r'正弦波实例$y=cos(2\pi x)$',fontproperties='SimHei',fontsize=25)
  13. plt.annotate(r'$\mu=100$',xy=(2,1),xytext=(3,1.5),
  14. 	arrowprops=dict(facecolor='black',shrink=0.1,width=2))
  16. plt.axis([-1,6,-2,2])
  17. plt.grid()
  18. plt.show()
输出


 pyplot的子绘图区域
plt.subplot2grid(GridSpec,CurSpec,colspan=1,rowspan=1)
如绘图区域2可表示为
plt.subplot2grid((3,3),(1,0),colspan=2,rowspan=1)
ax1: plt.subplot2grid((3,3),(0,0),colspan=3)
ax2: plt.subplot2grid((3,3),(1,0),colspan=1)
ax3: plt.subplot2grid((3,3),(1,2),rowspan=2)
ax4: plt.subplot2grid((3,3),(2,0))
ax1: plt.subplot2grid((3,3),(2,1))
ax1
ax2ax3
ax4ax5
GridSpec类
  1. import matplotlib.gridspec as gridspec 
  2. gs = gridspec.GridSpec(3,3)
  4. ax1 = plt.subplot(gs[0,:])
  5. ax2 = plt.subplot(gs[1,:-1])
  6. ax3 = plt.subplot(gs[1:,-1])
  7. ax4 = plt.subplot(gs[2,0])
  8. ax5 = plt.subplot(gs[2,1])

matplotlib库基础图函数示例


函数说明
plt.plot(x,y,fmt,...)绘制一个坐标图
plt.boxplot(data,notch,position)绘制一个箱形图
plt.bar(left,height,width,bottom)绘制一个条形图
plt.barh(width,bottom,left,heitht)绘制一个横向条形图
plt.polar(theta,r)绘制极坐标图
plt.pie(data,explode)绘制饼图
plt.psd(x,NFFT=256,pad_to,Fs)绘制功率谱密度图
plt.specgram(x,NFFT=256,pad_to,F)绘制谱图
plt.cohere(x,y,NTTF=256,Fs)绘制X-Y相关性函数
plt.scatter(x,y)绘制散点图，其中x,y长度相同
plt.step(x,y,where)绘制步阶图
plt.hist(x,bins,normed)绘制直方图
plt.contour(X,Y,Z,N)绘制等值图
plt.vlines()绘制垂直图
plt.stem(x,y,linefmt,markerfmt)绘制柴火图
plt.plot_date()绘制数据日期


pyplot饼图的绘制
  1. import matplotlib.pyplot as plt 
  3. labels = 'Frogs','Hogs','Dogs','Logs'
  4. sizes = [15,30,45,10]
  5. explode = [0,0.1,0,0]
  7. plt.pie(sizes, explode = explode,labels = labels, autopct = '%1.1f%%',
  8. 	shadow = False,startangle = 90)
  9. plt.show()
输出

  1. import matplotlib.pyplot as plt 
  3. labels = 'Frogs','Hogs','Dogs','Logs'
  4. sizes = [15,30,45,10]
  5. explode = [0,0.1,0,0]
  7. plt.pie(sizes, explode = explode,labels = labels, autopct = '%1.1f%%',
  8. 	shadow = False,startangle = 90)
  10. plt.axis('equal')
  11. plt.show()
输出
 
绘制直方图
  1. import matplotlib.pyplot as plt 
  2. import numpy as np
  4. np.random.seed(0)
  5. mu,sigma = 100,20
  6. a = np.random.normal(mu,sigma,size=100)
  8. plt.hist(a,20,normed=1,histtype='stepfilled',facecolor='b',alpha=0.75)
  9. plt.title('Hitogram')
  10. plt.show()
输出
 
pyplot极坐标图的绘制
  1. import matplotlib.pyplot as plt 
  2. import numpy as np
  4. N = 20
  5. theta = np.linspace(0.0, 2*np.pi, N, endpoint = False)
  6. radii = 10*np.random.rand(N)
  7. width = np.pi/4*np.random.rand(N)
  9. ax = plt.subplot(111,projection = 'polar')
  10. bars = ax.bar(theta, radii, width=width, bottom = 0.0)
  12. for r, bar in zip(radii, bars):
  13. 	bar.set_facecolor(plt.cm.viridis(r/10.))
  14. 	bar.set_alpha(0.5)
  15. plt.show()
输出
 

绘制散点图
  1. #-*- coding=utf8 -*-
  2. # 面向对象绘制散点图
  3. import numpy as np 
  4. import matplotlib.pyplot as plt
  5.  
    fig    , ax = plt.subplots()
  6. ax.plot(10*np.random.randn(100),10*np.random.randn(100),'o')
  7. ax.set_title('Simple Scatter')
  9. plt.show()
输出


pandasy库的介绍
pandas库的使用
import pandas as pd
pandas基于numpy实现，常与numpy和matplotlib库一同使用
两个数据类型 Series DataFrame
基于上述两个数据类型的各类操作
基本操作，运算操作，特征类操作 关联类操作
numpy 基础数据类型 关注数据的结构表达 维度: 数据间关系 
pandas:扩展数据类型 关注数据的应用表达 数据与索引间的关系

Series类型:由一组数据及与之相关的数据索引组成
如
>>> import pandas as pd
>>> a = pd.Series(range(10))
>>> a
0    0
1    1
2    2
3    3
4    4
5    5
6    6
7    7
8    8
9    9
dtype: int32
还可以指定数据索引
>>> a = pd.Series(range(4),index=['a','b','c','d'])
>>> a
a    0
b    1
c    2
d    3
dtype: int32
Series类型可以由如下类型创建：
  • Python列表
  • 标量值
  • python字典
  • ndarray
  • 其他函数
由标量值创建时，index不能省略
如
>>> pd.Series(25,index=['a','b','c'])
a    25
b    25
c    25
dtype: int64
从字典类型创建
>>> pd.Series({'a':1,'b':2,'c':3})
a    1
b    2
c    3
dtype: int64
>>> pd.Series({'a':1,'b':2,'c':3},index = ['b','c','d'])#index从字典中进行选择操作
b    2.0
c    3.0
d    NaN
dtype: float64

从ndarray类型创建
>>> pd.Series(np.arange(5),index=np.arange(9,4,-1))
9    0
8    1
7    2
6    3
5    4
dtype: int32

Series类型的基本操作
  • 包括index和value两部分

>>> a.index#获得索引
Index(['a', 'b', 'c', 'd'], dtype='object')
>>> a.values#获得数据
array([0, 1, 2, 3])
 >>> a[1]#自动索引
1
>>> a['b']#自定义索引
1
>>> a[['b','c']]
b    1
c    2
dtype: int32
  • 操作类似于ndarray类型
    • 索引方法相同，采用[]
    • numpy中运算和操作可用于Series类型
    • 可以通过自定义的列表进行切片
    • 可以通过自动索引进行切片，如果存在自定义索引，则一同被切片
如
>>> b=pd.Series([9,8,7,6],['a','b','c','d'])
>>> b
a    9
b    8
c    7
d    6
dtype: int64
>>> b[3]
6
>>> b[:3]
a    9
b    8
c    7
dtype: int64
>>> b[b>b.median()]
a    9
b    8
dtype: int64
>>> np.exp(b)
a    8103.083928
b    2980.957987
c    1096.633158
d     403.428793
dtype: float64

  • 操作类似于python字典类型
    • 通过自定义索引访问
    • 保留字in操作
    • 使用.get方法
如
>>> b=pd.Series([9,8,7,6],['a','b','c','d'])
>>> b['b']
8
>>> 'c' in b
True
>>> 0 in b
False
>>> b.get('f',100)
100

Series类型对齐操作
Series类型的运算中会自动对齐不同索引的数据
>>> b=pd.Series([9,8,7,6],['a','b','c','d'])
>>> a=pd.Series([1,2,3],['c','d','e'])
>>> a+b
a    NaN
b    NaN
c    8.0
d    8.0
e    NaN
dtype: float64

Series类型的name属性
Series对象和索引都可以有名字，存储在在属性.name中
>>> b=pd.Series([9,8,7,6],['a','b','c','d'])
>>> b.name
>>> b.name='Series对象'
>>> b.index.name='索引列'
>>> b
索引列
a    9
b    8
c    7
d    6
Name: Series对象, dtype: int64

Series对象可以随时修改并立即生效
>>> b=pd.Series([9,8,7,6],['a','b','c','d'])
>>> b['a']=15
>>> b.name='Series'
>>> b
a    15
b     8
c     7
d     6
Name: Series, dtype: int64
>>> b.name='New Series'
>>> b['b','c']=20
>>> b
a    15
b    20
c    20
d     6
Name: New Series, dtype: int64

Series是一维带‘标签’数组

DataFrame类型
DataFrame类型由共用相同索引的一组列组成
index_0   data_a data_1 ... data_w
index_1   data_b data_2 ... data_x
index_2   data_c data_3 ... data_y
index_3   data_d data_4 ... data_z
索引                多列数据
DataFrame是一个表格型的数据类型，每列值类型可以不同，即有行索引，也有列索引
常用于表达二维数据，但可以表达多维数据
DataFrame类型可以由如下类型创建
二维ndarray对象
>>> d=pd.DataFrame(np.arange(10).reshape(2,5))
>>> d
   0  1  2  3  4
0  0  1  2  3  4
1  5  6  7  8  9
由一维ndarray、列表、字典、元组或Series类型构成的字典
>>> dt=pd.DataFrame({'one':pd.Series([1,2,3],['a','b','c']),
... 'two':pd.Series([9,8,7,6],['a','b','c','d'])})
>>> dt
   one  two
a  1.0    9
b  2.0    8
c  3.0    7
d  NaN    6

>>> pd.DataFrame(dt,index=['b','c','d'],columns=['two','three'])
   two  three
b    8    NaN
c    7    NaN
d    6    NaN
>>> d1={'one':[1,2,3,4],'two':[9,8,7,6]}
>>> d = pd.DataFrame(d1,index=['a','b','c','d'])
>>> d
   one  two
a    1    9
b    2    8
c    3    7
d    4    6
Series类型
其他的DataFrame类型

数据类型操作
如何改变Series和DataFrame类型
增加或重排：重新索引
删除：drop
重新索引
.reindex(index=None,columns=None,...)


参数说明
index, columns新的行列自定义索引
fill_value重新索引中，用于填充缺失位置的值
method填充方法，ffill当前值向前填充，bfill向后填充
limit最大填充量
copy默认True，生成新的对象，False时，新旧相等不复制
索引类型
Series和DataFrame的索引是Index类型，
Index对象是不可修改对象类型


方法说明
.append(idx)连接另一个Index对象，产生新的Index对象
.diff(idx)计算差集，产生新的Index对象
.intersection(idx)计算交集
union(idx)计算并集
delete(loc)删除loc位置处的元素
insert(loc,e)在loc位置上增加一个元素e
.drop方法能够删除Series和DataFrame指定行或列索引

算术运算法则
算术运算根据行列索引，补齐后运算，运算默认产生浮点数
补齐时缺项填充NaN
二维和一维，一维和零维间为广播运算
采用+ - * / 符号进行的二元运算产生新的的对象
>>> a = pd.DataFrame(np.arange(12).reshape(3,4))
>>> b = pd.DataFrame(np.arange(20).reshape(4,5))
>>> a+b
      0     1     2     3   4
0   0.0   2.0   4.0   6.0 NaN
1   9.0  11.0  13.0  15.0 NaN
2  18.0  20.0  22.0  24.0 NaN
3   NaN   NaN   NaN   NaN NaN
>>> a*b
      0     1      2      3   4
0   0.0   1.0    4.0    9.0 NaN
1  20.0  30.0   42.0   56.0 NaN
2  80.0  99.0  120.0  143.0 NaN
3   NaN   NaN    NaN    NaN NaN


方法 说明
.add(d,**argws)类型间加法运算，可选参数
.sub(d,**argws)类型间减法运算，可选参数
.mul(d,**argws)类型间乘法运算，可选参数
.div(d,**argws)类型间除法运算，可选参数
>>> a
   0  1   2   3
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11
>>> b
    0   1   2   3   4
0   0   1   2   3   4
1   5   6   7   8   9
2  10  11  12  13  14
3  15  16  17  18  19
>>> b.add(a,fill_value=100)#fill_value替代NaN，替代后参与运算
       0      1      2      3      4
0    0.0    2.0    4.0    6.0  104.0
1    9.0   11.0   13.0   15.0  109.0
2   18.0   20.0   22.0   24.0  114.0
3  115.0  116.0  117.0  118.0  119.0
>>> a.mul(b,fill_value=0)
      0     1      2      3    4
0   0.0   1.0    4.0    9.0  0.0
1  20.0  30.0   42.0   56.0  0.0
2  80.0  99.0  120.0  143.0  0.0
3   0.0   0.0    0.0    0.0  0.0

数据的排序
.sort_index(axis=0,ascending=True)



 

 

 




posted on 2017-06-09 08:21  blackclody  阅读(6338)  评论(0)  编辑  收藏  举报