前言

本文主要給大家介紹了關(guān)于python中Numpy和Pandas使用的相關(guān)資料，分享出來(lái)供大家參考學(xué)習(xí)，下面話不多說(shuō)了，來(lái)一起看看詳細(xì)的介紹吧。

它們是什么？

NumPy是Python語(yǔ)言的一個(gè)擴(kuò)充程序庫(kù)。支持高級(jí)大量的維度數(shù)組與矩陣運(yùn)算，此外也針對(duì)數(shù)組運(yùn)算提供大量的數(shù)學(xué)函數(shù)庫(kù)。

Pandas是基于NumPy 的一種工具，該工具是為了解決數(shù)據(jù)分析任務(wù)而創(chuàng)建的。Pandas 納入了大量庫(kù)和一些標(biāo)準(zhǔn)的數(shù)據(jù)模型，提供了高效地操作大型數(shù)據(jù)集所需的工具。Pandas提供了大量能使我們快速便捷地處理數(shù)據(jù)的函數(shù)和方法。

List、Numpy與Pandas

Numpy與List

相同之處：

• 都可以用下標(biāo)訪問元素，例如a[0]
• 都可以切片訪問，例如a[1:3]
• 都可以使用for循環(huán)進(jìn)行遍歷

不同之處：

• Numpy之中每個(gè)元素類型必須相同；而List中可以混合多個(gè)類型元素
• Numpy使用更方便，封裝了許多函數(shù)，例如mean、std、sum、min、max等
• Numpy可以是多維數(shù)組
• Numpy用C實(shí)現(xiàn)，操作起來(lái)速度更快

Pandas與Numpy

相同之處：

• 訪問元素一樣，可以使用下標(biāo)，也可以使用切片訪問
• 可以使用For循環(huán)遍歷
• 有很多方便的函數(shù)，例如mean、std、sum、min、max等
• 可以進(jìn)行向量運(yùn)算
• 用C實(shí)現(xiàn)，速度更快

不同之處：Pandas擁有Numpy一些沒有的方法，例如describe函數(shù)。其主要區(qū)別是：Numpy就像增強(qiáng)版的List，而Pandas就像列表和字典的合集，Pandas有索引。

Numpy使用

1、基本操作

import numpy as np
#創(chuàng)建Numpy
p1 = np.array([1, 2, 3])
print p1
print p1.dtype

[1 2 3]
int64

#求平均值
print p1.mean()

2.0

#求標(biāo)準(zhǔn)差
print p1.std()

0.816496580928

#求和、求最大值、求最小值
print p1.sum()
print p1.max()
print p1.min()

6
3
1

#求最大值所在位置
print p1.argmax()

2

2、向量運(yùn)算

p1 = np.array([1, 2, 3])
p2 = np.array([2, 5, 7])

#向量相加，各個(gè)元素相加
print p1 + p2

[ 3 7 10]

#向量乘以1個(gè)常數(shù)
print p1 * 2

[2 4 6]

#向量相減
print p1 - p2

[-1 -3 -4]

#向量相乘，各個(gè)元素之間做運(yùn)算
print p1 * p2

[ 2 10 21]

#向量與一個(gè)常數(shù)比較
print p1 > 2

[False False True]

3、索引數(shù)組

首先，看下面一幅圖，理解下

然后，咱們用代碼實(shí)現(xiàn)看下

a = np.array([1, 2, 3, 4, 5])
print a

[1 2 3 4 5]

b = a > 2
print b

[False False True True True]

print a[b]

[3 4 5]

a[b]中，只會(huì)保留a中所對(duì)應(yīng)的b位置為True的元素

4、原地與非原地

咱們先來(lái)看一組運(yùn)算：

a = np.array([1, 2, 3, 4])
b = a
a += np.array([1, 1, 1, 1])
print b

[2 3 4 5]

a = np.array([1, 2, 3, 4])
b = a
a = a + np.array([1, 1, 1, 1])
print b

[1 2 3 4]

從上面結(jié)果可以看出來(lái)，+=改變了原來(lái)數(shù)組，而+沒有。這是因?yàn)椋?/p>

• +=：它是原地計(jì)算，不會(huì)創(chuàng)建一個(gè)新的數(shù)組，在原始數(shù)組中更改元素
• +：它是非原地計(jì)算，會(huì)創(chuàng)建一個(gè)新的數(shù)組，不會(huì)修改原始數(shù)組中的元素

5、Numpy中的切片與List的切片

l1 = [1, 2, 3, 5]
l2 = l1[0:2]
l2[0] = 5
print l2
print l1

[5, 2]
[1, 2, 3, 5]

p1 = np.array([1, 2, 3, 5])
p2 = p1[0:2]
p2[0] = 5
print p1
print p2

[5 2 3 5]
[5 2]

從上可知，List中改變切片中的元素，不會(huì)影響原來(lái)的數(shù)組；而Numpy改變切片中的元素，原來(lái)的數(shù)組也跟著變了。這是因?yàn)椋篘umpy的切片編程不會(huì)創(chuàng)建一個(gè)新數(shù)組出來(lái)，當(dāng)修改對(duì)應(yīng)的切片也會(huì)更改原始的數(shù)組數(shù)據(jù)。這樣的機(jī)制，可以讓Numpy比原生數(shù)組操作更快，但編程時(shí)需要注意。

6、二維數(shù)組的操作

p1 = np.array([[1, 2, 3], [7, 8, 9], [2, 4, 5]])
#獲取其中一維數(shù)組
print p1[0]

[1 2 3]

#獲取其中一個(gè)元素，注意它可以是p1[0, 1]，也可以p1[0][1]
print p1[0, 1]
print p1[0][1]

2
2

#求和是求所有元素的和
print p1.sum()

41
[10 14 17]

但，當(dāng)設(shè)置axis參數(shù)時(shí)，當(dāng)設(shè)置為0時(shí)，是計(jì)算每一列的結(jié)果，然后返回一個(gè)一維數(shù)組；若是設(shè)置為1時(shí)，則是計(jì)算每一行的結(jié)果，然后返回一維數(shù)組。對(duì)于二維數(shù)組，Numpy中很多函數(shù)都可以設(shè)置axis參數(shù)。

#獲取每一列的結(jié)果
print p1.sum(axis=0)

[10 14 17]

#獲取每一行的結(jié)果
print p1.sum(axis=1)

[ 6 24 11]

#mean函數(shù)也可以設(shè)置axis
print p1.mean(axis=0)

[ 3.33333333 4.66666667 5.66666667]

Pandas使用

Pandas有兩種結(jié)構(gòu)，分別是Series和DataFrame。其中Series擁有Numpy的所有功能，可以認(rèn)為是簡(jiǎn)單的一維數(shù)組；而DataFrame是將多個(gè)Series按列合并而成的二維數(shù)據(jù)結(jié)構(gòu)，每一列單獨(dú)取出來(lái)是一個(gè)Series。

咱們主要梳理下Numpy沒有的功能：

1、簡(jiǎn)單基本使用

import pandas as pd
pd1 = pd.Series([1, 2, 3])
print pd1

0 1
1 2
2 3
dtype: int64

#也可以求和和標(biāo)準(zhǔn)偏差
print pd1.sum()
print pd1.std()

6
1.0

2、索引

（1）Series中的索引

p1 = pd.Series(
 [1, 2, 3],
 index = ['a', 'b', 'c']
)
print p1

a 1
b 2
c 3
dtype: int64

print p1['a']

（2）DataFrame數(shù)組

p1 = pd.DataFrame({
 'name': ['Jack', 'Lucy', 'Coke'],
 'age': [18, 19, 21]
})
print p1

 age name
0 18 Jack
1 19 Lucy
2 21 Coke

#獲取name一列
print p1['name']

0 Jack
1 Lucy
2 Coke
Name: name, dtype: object

#獲取姓名的第一個(gè)
print p1['name'][0]

Jack

#使用p1[0]不能獲取第一行，但是可以使用iloc
print p1.iloc[0]

age 18
name Jack
Name: 0, dtype: object

總結(jié)：

• 獲取一列使用p1[‘name']這種索引
• 獲取一行使用p1.iloc[0]

3、apply使用

apply可以操作Pandas里面的元素，當(dāng)庫(kù)里面沒用對(duì)應(yīng)的方法時(shí)，可以通過apply來(lái)進(jìn)行封裝

def func(value):
 return value * 3
pd1 = pd.Series([1, 2, 5])

print pd1.apply(func)

0  3
1  6
2 15
dtype: int64

同樣可以在DataFrame上使用：

pd2 = pd.DataFrame({
 'name': ['Jack', 'Lucy', 'Coke'],
 'age': [18, 19, 21]
})
print pd2.apply(func)

 age   name
0 54 JackJackJack
1 57 LucyLucyLucy
2 63 CokeCokeCoke

4、axis參數(shù)

Pandas設(shè)置axis時(shí)，與Numpy有點(diǎn)區(qū)別：

• 當(dāng)設(shè)置axis為'columns'時(shí)，是計(jì)算每一行的值
• 當(dāng)設(shè)置axis為'index'時(shí)，是計(jì)算每一列的值

pd2 = pd.DataFrame({
 'weight': [120, 130, 150],
 'age': [18, 19, 21]
})

0 138
1 149
2 171
dtype: int64

#計(jì)算每一行的值
print pd2.sum(axis='columns')

0 138
1 149
2 171
dtype: int64

#計(jì)算每一列的值
print pd2.sum(axis='index')

age  58
weight 400
dtype: int64

5、分組

pd2 = pd.DataFrame({
 'name': ['Jack', 'Lucy', 'Coke', 'Pol', 'Tude'],
 'age': [18, 19, 21, 21, 19]
})
#以年齡分組
print pd2.groupby('age').groups

{18: Int64Index([0], dtype='int64'), 19: Int64Index([1, 4], dtype='int64'), 21: Int64Index([2, 3], dtype='int64')}

6、向量運(yùn)算

需要注意的是，索引數(shù)組相加時(shí)，對(duì)應(yīng)的索引相加

pd1 = pd.Series(
 [1, 2, 3],
 index = ['a', 'b', 'c']
)
pd2 = pd.Series(
 [1, 2, 3],
 index = ['a', 'c', 'd']
)

print pd1 + pd2

a 2.0
b NaN
c 5.0
d NaN
dtype: float64

出現(xiàn)了NAN值，如果我們期望NAN不出現(xiàn)，如何處理？使用add函數(shù)，并設(shè)置fill_value參數(shù)

print pd1.add(pd2, fill_value=0)

a 2.0
b 2.0
c 5.0
d 3.0
dtype: float64

同樣，它可以應(yīng)用在Pandas的dataFrame中，只是需要注意列與行都要對(duì)應(yīng)起來(lái)。

總結(jié)

這一周學(xué)習(xí)了優(yōu)達(dá)學(xué)城上分析基礎(chǔ)的課程，使用的是Numpy與Pandas。對(duì)于Numpy，以前在Tensorflow中用過，但是很不明白，這次學(xué)習(xí)之后，才知道那么簡(jiǎn)單，算是有一定的收獲。

好了，以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，如果有疑問大家可以留言交流，謝謝大家對(duì)腳本之家的支持。

參考

Pandas 使用指南(上) 基本數(shù)據(jù)結(jié)構(gòu)

最新評(píng)論