目錄

一、Numpy

二、Pandas

---

一、Numpy

numpy是以矩陣為基礎的數學計算模塊，提供高性能的矩陣運算，數組結構為ndarray。

首先需要明確數組與列表的區別：數組是一種特殊變量，雖與列表相似，但列表可以存儲任意類型的數據，數組只能存儲一種類型的數據，同時，數組提供了許多方便統計計算的功能（如平均值mean、標準差std等）。

那么numpy有哪些功能呢？

首先在使用前要導入該模塊（導入前要安裝，方法自行搜索吧(*＾-＾*)），代碼如下：

import numpy as np

1. 通過原有列表轉化為數組

2.直接生成數組

• 生成一維數組? ?
• ?

?上圖中由于生成一維數組時，沒有給參數10 定義數據類型，所以數組元素的類型默認為float64。那定義數據類型為整型時會是什么結果呢？

• 生成多維數組?

zeros返回來一個給定形狀和類型的用0填充的數組，同理，ones返回來一個給定形狀和類型的用1填充的數組。但更多情況下我們想指定某個值，這時用np.full(shape, val)生成全為val的值，如下：

?

• 隨機數取值?

我們知道random庫中可以通過random.randint(5,10)來隨機生成一個5-10的數，如下：

在numpy中也有一個類似的加強版的功能。

?

• 范圍取值??
• ?

  訪問數組中的元素

?

• ?基本數學運算

numpy在做運算時，是對數組中每個元素都進行運算。

?常用的運算符號及等價函數總結如下：

?

• ?數組變形

?數組變形時，數組總大小保持不變，如上圖中我們定義了一個兩行五列的數組，總大小為2*5=10，經變形后得到一行十列的數組，總大小仍為10，但我們無法變成3*4或6*9等類型。

• 數組拼接

• 數組排序

二、Pandas

pandas是基于numpy數組構建的，但二者最大的不同是pandas是專門為處理表格和混雜數據設計的，比較契合統計分析中的表結構，而numpy更適合處理統一的數值數組數據。pandas數組結構有一維Series和二維DataFrame。

使用前同樣需要先導入該模塊，代碼如下：

import pandas as pd

1. Series

Series是一種類似于一維數組的對象，它由一組數據以及一組與之相關的數據標簽（索引index）組成。

?Series的字符串表現形式為：索引在左邊，值在右邊。如果不為數據指定索引，則會默認創建一個0到n-1的整數型索引。

• ?通過原有字典轉化為數組

• ?訪問元素

與numpy相比，除了根據位置獲取值外，還可以根據索引獲取。

?

• ?向量化運算

上圖運行結果可以看到出現了缺失值NaN（not a number），這是因為索引值b、c、d、e、f、g只出現在一個一維數組中。在數據分析過程中，我們通常不希望缺失值出現，那么如何解決呢？

一般常用的有兩種方法：

?2. DataFrame

DataFrame是一個表格型的數據結構，其中的數據是以一個或多個二維塊存放的，而不是列表、字典或別的一維數據結構。它含有一組有序的列，每列可以是不同的數據類型，它既有行索引，也有列索引。

• 將原有字典轉化為DataFrame

• ?訪問元素

?

?

• ?條件篩選

• ??排序

?

• ?應用函數

?

?其他常用函數舉例如下：

?

# 取前五行 table.head()# 取后五行 table.tail()# 查看行列數 table.shape()# 查看每一列的統計信息 table.describe()......

?以上就是numpy與pandas的基礎內容，如有遺漏或錯誤，歡迎評論區指正~~

總結

以上是生活随笔為你收集整理的NumpyPandas的区别和联系的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。