七月在線之python數據處理

• python常用導入函數
• ndarray
• • np之常用函數創建
  • ndarray之聚合操作
• pandas
• • pandas之series
  • • Series的創建
    • Series的索引和切片
• 可視化

python常用導入函數

from IPython.display import display import numpy as np import pandas as pd from pandas import Series,DataFrame from PIL import Image import matplotlib.pyplot as plt %matplotlib inline %config ZMQInteractiveShell.ast_node_interactivity='all' # nootbook使用 from scipy import interp # 線性插值

ndarray

np之常用函數創建

np.ones(shape, dtype=None, order=‘C’)
#ones–>創建指定長度或形狀全部為1的數組
參數說明：
shape:維度
dtype:數據類型，默認是float
order: 可選規定返回數組元素在內存的存儲順序：看源碼兩個選項：{‘C’, ‘F’},
C（C語言）-rowmajor；F（Fortran《FormulaTranslation）的縮寫，是一種編程語言》）column-major

ndarray之聚合操作

以三維數組求和為例：

%config ZMQInteractiveShell.ast_node_interactivity=‘all’
a = np.random.randint(0,10,size = [3,2,3])
a.shape
b = a.min(axis = 0) # 按三維，對應位置比較
c = a.min(axis = 1) # 按兩維，行比較
d = a.min(axis = 2) # 按1維，列比較
e = a.min(axis = -1) # 按1維，列比較
display(b,c,d,e)

其他聚合操作：

Function Name NaN-safe Version Descriptionnp.sum np.nansum Compute sum of elementsnp.prod np.nanprod Compute product of elementsnp.mean np.nanmean Compute mean of elementsnp.std np.nanstd Compute standard deviationnp.var np.nanvar Compute variancenp.min np.nanmin Find minimum valuenp.max np.nanmax Find maximum valuenp.argmin np.nanargmin Find index of minimum valuenp.argmax np.nanargmax Find index of maximum valuenp.median np.nanmedian Compute median of elementsnp.percentile np.nanpercentile Compute rank-based statistics of elementsnp.any N/A Evaluate whether any elements are truenp.all N/A Evaluate whether all elements are truenp.power 冪運算

pandas

pandas之series

Series的創建

Series是一種類似與一維數組的對象，由下面兩個部分組成：

values：一組數據（ndarray類型）
index：相關的數據索引標簽

Series的索引和切片

import numpy as npimport pandas as pdfrom pandas import Series,DataFrameimport matplotlib.pyplot as plt%matplotlib inline # %matplotlib inline這一句是IPython的魔法函數，# 可以在IPython編譯器里直接使用，作用是內嵌畫圖，省略掉plt.show()這一步，直接顯示圖像s = Series(nd,index = ['a','b','c','d','e'])# 顯示索引s[['a','d']]s.loc[['a','d']]# 隱式索引s[[0,3]]s.iloc[[0,3]]# 以隱式索引為例，取一段連續的s.iloc[[0,1,2,3]]# 索引如果要取一段連續的值，就要多個索引，# 對索引稍加修改，去掉一個中括號，逗號改冒號，引入切片# 切片s['a':'d']#左閉右閉s.loc['a':'d']s[0:4]s.iloc[0:4]#左閉右開

執行結果：

后四行代碼，運用切片方法

可視化

十分鐘掌握Seaborn，進階Python數據可視化分析：https://zhuanlan.zhihu.com/p/49035741

matlplob官網：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.plot.html#matplotlib.pyplot.plot

matlplob中文文檔：https://www.matplotlib.org.cn/tutorials/introductory/usage.html

Matplotlib可視化最有價值的 50 個圖表http://liyangbit.com/pythonvisualization/matplotlib-top-50-visualizations/

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的Python之pandas，series，可视化的全部內容，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。