numpy模块
numpy是Python的一种开源的数据计算扩展库，用来存储和处理大型矩阵
- 区别于list列表，提供数组操作，数组运算，以及统计分布和简单的数学模型
- 计算速度快
矩阵即numpy的ndarray对象，创建矩阵就是把一个列表传入np.array()方法
import numpy as np #约定俗成 np代表numpy#一维arr = np.array([1,2,3,4])print(arr)[1,2,3,4]#二维arr = np.array([[1,2,3,4],[5,6,7,8]])[[1,2,3,4] [5,6,7,8]]#三维[[[1,2,3,4], [1,2,3,4], [1,2,3,4]], [[2,3,4,5], [3,4,5,6], [3,4,5,6]], [[5,6,7,8], [5,6,7,8], [5,6,7,8]]]arr = [[1,2,3] [4,5,6]]#获取矩阵的行和列print(arr.shape)(2,3)#获取矩阵的行print(arr.shape[0])2# 获取矩阵的列print(arr.shape[1])3
切割矩阵
# 取所有元素print(arr[:,:])# 取第一行所有元素print(arr[:1,:])print(arr[0,[0,1,2,3,....(n个数则n-1)]])# 取第一列所有元素print(arr[:,:1])print(arr[[0,1,2,3,..],0])# 取第一行第一列的元素print(arr[0,0])#取大于5的元素，返回一个数组print(arr[arr > 5])#生成布尔矩阵print(arr > 5)[[False False False] [True False True ]]
矩阵元素替换
类似于列表的替换
# 取第一行所有元素变为0arr1 = arr.copy()arr1[:1,:] = 0print(arr1)# 去所有大于5的元素变为0arr2 = arr.copy()arr2[arr >5] = 0print(arr2)#对矩阵清零arr3 = arr.copy()arr3[:,:] = 0print(arr3)
矩阵的合并
arr1 = [[1,2] [3,4]]arr2 = [[5,6] [7,8]]# 合并矩阵的行，用hstack的合并的话 会具有相同的行#方法1np.hstack((arr1,arr2))[[1,2,5,6] [3,4,7,8]]#方法2print(np.concatenate((arr1,arr2),axis=1))[[1,2,5,6] [3,4,7,8]]# 合并矩阵的列，用vstack#方法1np.vstack((arr1,arr2))[[1,2] [3,4] [5,6] [7,8]]# 方法2print(np.contatenate((arr1,arr2),axis=0))
通过函数创建矩阵
arangeprint(np.arange(10))#0-9数组[0 1 2 3 4 5 6 7 8 9]print(np.arange(1,5))#1-4数组[1 2 3 4]print(np.arange(1,20,2))#1-19，步长为2的数组[1 3 5 7 9 11 13 15 17 19]linspace/logspace#构造一个等差数列，取头也取尾np.linspace(0,20,5)[0.5.10.15.20]#构造一个等比数列，从10**0取到10**20，取5个数np.logspace(0,20,5)[ 1.00000e+00 1.00000e+05 1.00000e+10 1.00000e+15 1.00000e+20]zero/ones/eye/empty#构造全0矩阵np.zeros((3,4))[[0. 0. 0. 0.] [0. 0. 0. 0.] [0. 0. 0. 0.]]#构造全1矩阵np.ones((X,Y))#构造N个主元的单位矩阵np.eye(n)#例[[1. 0. 0.] [0. 1. 0.] [0. 0. 1.]]#构造一个随机矩阵，里面元素为随机生成np.empty((x,y))# fromstring通过对字符串的字符编码所对应ASCII编码的位置，生成一个ndarray对象s = 'abcdef'# np.int8表示一个字符的字节数为8print(np.fromstring(s, dtype=np.int8))[ 97 98 99 100 101 102]def func(i, j): """其中i为矩阵的行，j为矩阵的列""" return i*j# 使用函数对矩阵元素的行和列的索引做处理，得到当前元素的值，索引从0开始，并构造一个3*4的矩阵print(np.fromfunction(func, (3, 4)))[[ 0. 0. 0. 0.] [ 0. 1. 2. 3.] [ 0. 2. 4. 6.]]
矩阵的运算
+ - * / % **n
矩阵的点乘
必须满足第一个矩阵的列 = 第二个矩阵的行
arr1 = np.array([[1, 2, 3], [4, 5, 6]])print(arr1.shape)(2, 3)arr2 = np.array([[7, 8], [9, 10], [11, 12]])print(arr2.shape)(3, 2)assert arr1.shape[0] == arr2.shape[1]# 2*3·3*2 = 2*2print(arr1.dot(arr2))[[ 58 64] [139 154]]
矩阵的转置
相当于矩阵的行和列呼唤
arr = np.array([[1, 2, 3], [4, 5, 6]])print(arr)[[1 2 3] [4 5 6]]print(arr.transpose())[[1 4] [2 5] [3 6]]print(arr.T)[[1 4] [2 5] [3 6]]
矩阵的逆
矩阵行和列相同时候才可逆
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])print(arr)[[1 2 3] [4 5 6] [7 8 9]]print(np.linalg.inv(arr))[[ 3.15251974e+15 -6.30503948e+15 3.15251974e+15] [ -6.30503948e+15 1.26100790e+16 -6.30503948e+15] [ 3.15251974e+15 -6.30503948e+15 3.15251974e+15]]# 单位矩阵的逆是单位矩阵本身arr = np.eye(3)print(arr)[[ 1. 0. 0.] [ 0. 1. 0.] [ 0. 0. 1.]]print(np.linalg.inv(arr))[[ 1. 0. 0.] [ 0. 1. 0.] [ 0. 0. 1.]]
collections模块
- 计数器（Counter）
- 双向队列（deque）
- 默认字典（defaultdict）
- 有序字典（OrderedDict）
- 可命名元组（namedtuple）
1. Counter
Counter作为字典dicit（）的一个子类用来进行hashtable计数，将元素进行数量统计，计数后返回一个字典，键值为元素，值为元素个数
常用方法：
| most_common(int) | 按照元素出现的次数进行从高到低的排序，返回前int个元素的字典 |
|---|---|
| elements | 返回经过计算器Counter后的元素，返回的是一个迭代器 |
| update | 和set集合的update一样，对集合进行并集更新 |
| substract | 和update类似，只是update是做加法，substract做减法,从另一个集合中减去本集合的元素 |
| iteritems | 返回由Counter生成的字典的所有item |
| iterkeys | 返回由Counter生成的字典的所有key |
| itervalues | 返回由Counter生成的字典的所有value |
2. deque
deque属于高性能的数据结构之一，常用方法如下：
| append | 队列右边添加元素 |
|---|---|
| appendleft | 队列左边添加元素 |
| clear | 清空队列中的所有元素 |
| count | 返回队列中包含value的个数 |
| extend | 队列右边扩展，可以是列表、元组或字典，如果是字典则将字典的key加入到deque |
| extendleft | 同extend，在左边扩展 |
| pop | 移除并返回队列右边的元素 |
| popleft | 移除并返回队列左边的元素 |
| remove（value） | 移除队列第一个出现的元素 |
| reverse | 队列的所有元素进行反转 |
| rotate（n） | 对队列数进行移动 |
3. defaultdict
- 默认字典，字典的一个子类，继承所有字典的方法，默认字典在进行定义初始化的时候得指定字典值有默认类型
- 注：字典dic在定义的时候就定义好了值为字典类型,虽然现在字典中还没有键值 k1，但仍然可以执行字典的update方法. 这种操作方式在传统的字典类型中是无法实现的,必须赋值以后才能进行值得更新操作，否则会报错。
4. OrderedDict
有序字典也是字典的一个子类
5. namedtuple
namedtuple由自己的类工厂namedtuple()进行创建，而不是由表中的元组进行初始化，通过namedtuple创建类的参数包括类名称和一个包含元素名称的字符串
Matplotlib模块：绘图和可视化
一、简单介绍Matplotlib
1、Matplotlib是一个强大的Python绘图和数据可视化的工具包
2、安装方法：pip install matplotlib
3、引用方法：import matplotlib.pyplot as plt
4、绘图函数：plt.plot()
5、显示图像：plt.show()
二、Matplotlib：plot函数
1、plot函数：绘制折线图
- 线型linestyle（-,-.,--,..）
- 点型marker（v,^,s,*,H,+,x,D,o,…）
- 颜色color（b,g,r,y,k,w,…）
2、plot函数绘制多条曲线
3、pandas包对plot的支持
三、Matplotlib-图像标注
- 设置图像标题：plt.title()
- 设置x轴名称：plt.xlabel()
- 设置y轴名称：plt.ylabel()
- 设置x轴范围：plt.xlim()
- 设置y轴范围：plt.ylim()
- 设置x轴刻度：plt.xticks()
- 设置y轴刻度：plt.yticks()
- 设置曲线图例：plt.legend()
四、Matplotlib实例——绘制数学函数图像
使用Matplotlib模块在一个窗口中绘制数学函数y=x, y=x2, y=3x3+5x2+2x+1的图像，使用不同颜色的线加以区别，并使用图例说明各个线代表什么函数。
五、Matplotlib：画布与子图
画布：figure
- fig = plt.figure()
图：subplot
- ax1 = fig.add_subplot(2,2,1)
调节子图间距：
- subplots_adjust(left, bottom, right, top, wspace, hspace)
六、Matplotlib-支持的图类型
七、Matplotlib——绘制K线图
matplotlib.finanace子包中有许多绘制金融相关图的函数接口。
绘制K线图：matplotlib.finance.candlestick_ochl函数
八、示例代码
使用之前首先下载：pip install Matplotlib
接着引入：import matplotlib.pylot as plt
绘图函数：plt.plot()
显示函数：plt.show()
使用plt.plot?可以查看它的参数
我们通过加参数，可以更改这个图线的形状
pandas模块：
pandas是一个强大的Python数据分析的工具包，是基于NumPy构建的。
pandas的主要功能：
1. 具备对其功能的数据结构DataFrame、Series
2. 集成时间序列功能
3. 提供丰富的数学运算和操作
4. 灵活处理缺失数据
安装方法：
pip install pandas
引用方法：
import pandas as pd
Series --- 一维数据对象
Series是一种类似于一维数据的对象，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：
import pandas as pd
pd.Series([4,7,-5,3])
pd.Series([4,7,-5,3],index=['a','b','c','d'])
pd.Series({'a':1,'b':2})
pd.Series(0,index=['a','b','c','d'])
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
示例代码：
# Series创建方式
import pandas as pd
import numpy as np
pd.Series([2,3,4,5]) # 列表创建Series
"""
输出结果：
0 2
1 3
2 4
3 5
dtype: int64
# 左边一列是 索引，右边一列是值
"""
pd.Series([2,3,4,5],index=["a","b","c","d"]) # 指定索引
"""
输出结果：
a 2
b 3
c 4
d 5
dtype: int64
"""
# Series支持array 的特性（下标）
pd.Series(np.arange(5)) # 数组创建 Series
"""
输出结果：
0 0
1 1
2 2
3 3
4 4
dtype: int32
"""
sr = pd.Series([2,3,4,5],index=["a","b","c","d"])
sr
"""
a 2
b 3
c 4
d 5
dtype: int64
"""
# 索引：
sr[0]
# 输出结果： 2 # sr虽然指定了 标签索引，但仍可以利用 下标索引 的方式获取值
sr[[1,2,0]] # sr[[索引1,索引2,...]]
"""
b 3
c 4
a 2
dtype: int64
"""
sr['d']
# 输出结果： 5
# Series可以和标量进行运算
sr+2
"""
a 4
b 5
c 6
d 7
dtype: int64
"""
# 两个相同大小（长度相同）的 Series 也可以进行运算
sr + sr
"""
a 4
b 6
c 8
d 10
dtype: int64
"""
# 切片
sr[0:2] # 也是 顾首不顾尾
"""
a 2
b 3
dtype: int64
"""
# Series也支持 numpy 的通用函数
np.abs(sr)
"""
a 2
b 3
c 4
d 5
dtype: int64
"""
# 支持布尔型索引过滤
sr[sr>3]
"""
c 4
d 5
dtype: int64
"""
sr>3
"""
a False
b False
c True
d True
dtype: bool
"""
# Series支持字典的特性（标签）
# 通过字典创建 Series
sr = pd.Series({"a":1,"b":2})
sr
"""
a 1
b 2
dtype: int64
# 字典的 key 会当作 标签
"""
sr["a"]
# 输出结果： 1
sr[0]
# 输出结果： 1
# 判断 一个字符串 是不是一个Series 中的标签
"a" in sr
# 输出结果： True
for i in sr:
print(i)
"""
打印结果：
1
2
# for 循环中，遍历的是 Seires 中的 值（value），而不是它的标签；这是和字典不同的地方
"""
# 分别获取 Series 的值和索引
sr.index # 获取索引
# 输出结果： Index(['a', 'b'], dtype='object') # 是一个 Index 类的对象，其和数组对象（Array）完全一样
sr.index[0]
# 输出结果： 'a'
sr.values # 获取 Series 的值
# 输出结果： array([1, 2], dtype=int64)
# 键索引
sr['a']
# 输出结果： 1
sr[['a','b']] # 也是 花式索引
"""
a 1
b 2
dtype: int64
"""
sr = pd.Series([1,2,3,4,5,6],index=['a','b','c','d','e','f'])
sr
"""
a 1
b 2
c 3
d 4
e 5
f 6
dtype: int64
"""
sr[['a','c']]
"""
a 1
c 3
dtype: int64
"""
sr['a':'c'] # 通过标签进行切片； 首尾相顾，前包后也包
"""
a 1
b 2
c 3
dtype: int64
"""
series 整数索引问题：
整数索引的pandas对象很容易出错，如：
import pandas as pd
import numpy as np
sr = pd.Series(np.arange(10))
sr
"""
0 0
1 1
2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
dtype: int32
# 上述的整数索引是自动生成的索引
"""
sr2 = sr[5:].copy()
sr2
"""
5 5
6 6
7 7
8 8
9 9
dtype: int32
# 上述的索引仍然是整数索引，但是不是从0开始的
"""
sr2[5] # 此时的 5 解释为 标签，而不是下标（索引）
# 输出结果： 5
# sr2[-1] # 会报错；因为当索引是整数的时候，[] 中的内容一定会被解释为 标签
# 解决方法： loc 和 iloc
sr2.loc[5] # loc 表示 [] 中的内容解释为 标签
# 输出结果： 5
sr2.iloc[4] # iloc 表示 [] 的内容解释为 下标（索引）
# 输出结果： 9
sr2.iloc[0:3]
"""
5 5
6 6
7 7
"""
# 所以 用整数索引的时候 一定要 loc 和 iloc 进行区分
如果索引是整数类型，则根据整数进行下标获取值时总是面向标签的
解决方法：loc 属性（将索引解释为标签） 和 iloc 属性（将索引解释为下标）
Series --- 数据对齐
pandas 在进行两个Series对象的运算时，会按照索引进行对齐然后计算
示例代码：
# Series -- 数据对齐
import pandas as pd
sr1 = pd.Series([12,23,34],index=["c","a","d"])
sr2 = pd.Series([11,20,10],index=["d","c","a"])
sr1 + sr2
"""
a 33 # 23+10
c 32 # 12+20
d 45 # 34+11
dtype: int64
# 数据会按照标签对齐
"""
# pandas 在进行两个Series对象的运算时，会按照索引进行对齐然后计算
# 注： pandas 的索引支持重复，但我们不要让索引重复
pd.Series([1,2],index=["a","a"])
"""
a 1
a 2
dtype: int64
"""
# 两个 pandas对象的长度不一样时
sr3 = pd.Series([12,23,34],index=["c","a","d"])
sr4 = pd.Series([11,20,10,21],index=["d","c","a","b"])
sr3+sr4
"""
a 33.0
b NaN
c 32.0
d 45.0
dtype: float64
# 在 pandas 中 NaN 会被当作数据缺失值
"""
sr5 = pd.Series([12,23,34],index=["c","a","d"])
sr6 = pd.Series([11,20,10],index=["b","c","a"])
sr5+sr6
"""
a 33.0
b NaN
c 32.0
d NaN
dtype: float64
"""
#使上述结果中索引"b"处的值为 21、在索引"d"处的值为34 的方法： add sub mul div （分别是 加减乘除）；如：sr5.add(sr2,fill_value=0)
sr5.add(sr6)
"""
a 33.0
b NaN
c 32.0
d NaN
dtype: float64
# 不加 fill_value 时， sr5.add(sr6) 和 sr5+sr6 一样的效果
"""
sr5.add(sr6,fill_value=0) # fill_value 的作用：如果一个Series对象中有某个标签，但另外一个Series对象中没有该标签，那么没有该标签的那个值就被赋值为 fill_value 的值
"""
a 33.0
b 11.0
c 32.0
d 34.0
dtype: float64
"""
