python--Numpy and Pandas 笔记01
博客地址:http://www.cnblogs.com/yudanqu/ 1 import numpy as np
import pandas as pd
from pandas import Series,DataFrame #Series
s1 = Series([1,2,3], index=['A','B','C'])
s2 = Series([4,5,6,7], index=['B','C','D','E']) s1 + s2
# 结果:A NaN
# B 6.0
# C 8.0
# D NaN
# E NaN
# dtype: float64
# 对应项相加,其他为nan #DataFrame
df1 = DataFrame(np.arange(4).reshape(2,2),index=['A','B'],columns=['BJ','SH'])
df2 = DataFrame(np.arange(9).reshape(3,3),index=['A','B','C'],columns=['BJ','SH','GZ'])
df1 + df2
#结果: BJ GZ SH
# A 0.0 NaN 2.0
# B 5.0 NaN 7.0
# C NaN NaN NaN df3 = Datadf3 = DataFrame([[1,2,3],[4,5,np.nan],[7,8,9]],index=['A','B','C'],columns=['c1','c2','c3'])
'''
c1 c2 c3
A 1 2 3.0
B 4 5 NaN
C 7 8 9.0
'''
df3.sum()
#结果:c1 12.0
# c2 15.0
# c3 12.0
# dtype: float64
#这里的nan与实数相运算并不返回nan
df3.sum(axis=1) #则求得每一行的和,即ABC,由于默认axis=0,所以不写表示求的列 df3.min() #求最小值,max同理。整体同理与sum,不考虑nan df3.describe() #统计内部数据 # 排序功能
#注:randn:正态分布
rand:0到1
#Series:
s1 = Series(np.random.randn(10))
s2 = s1.sort_values() # 根据values排序
# 默认参数ascending=True,升序为True,倒序可以改参数sacending=False
s2.sort_index() # 根据index升序排列
#DataFrame:
df1 = DataFrame(np.random.randn(40).reshape(8,5),columns=['A','B','C','D','E'])
df1['A'].sort_values() #仅仅是对着一列排序,若想整体根据这一列进行排序要多df1进行排序
df1.sort_values('A') #则为全部排序,默认升序 df1.sort_values('A')[['A','D']] # 根据某列排序并输出所需要的几列 #重命名
df1.index = df1.index.map(str) #修改dataframe的index
df1.rename(index=str.upper,columns=str.lower) #通过map函数改变整个
df1.rename(index={'A':'a'},columns={'B':'b'}) #通过字典修改某一项
# map函数的参数可以使自己定义的函数 #dataframe的merge操作
pd.merge(df1,df2,on='name',how='inner') # on表示根据哪列的name来作为判断依据,默认为None,how的参数中比如写left,那么就根据左侧的df;爱显示数据,若右边一个没有的则补全为nan,outer是right和left的结合,将所有的都输出
df1 = DataFrame({'key':['A','B','C'],'data_set_1':[1,2,3]})
df2 = DataFrame({'key':['X','Y','Z'],'data_set_2':[4,5,6]})
pd.merge(df1,df2) # 这时的结果返回为空,因为merge是对其中key值相同的进行操作
# 当相同name的columns(例如此例的key)时,他中的值相同,那么可以进行merge #concatenate和combine #~~concatenate: #1、array
arr1 = np.arange(9).reshape(3,3)
arr2 = np.arange(9).reshape(3,3)
np.concatenate([arr1,arr2]) #通过列表放在一起
'''
output:array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8],
[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
注:其中concatenate的参数包括axis,可以决定如何连接
''' #2、Series
s1 = Series([1,2,3],index=['X','Y','Z'])
s2 = Series([4,5],index=['A','B'])
pd.concat([s1,s2]) #同样有axis参数,为0则在下面连接,为1则横向 #3、dataframe
df1 = DataFrame(np.random.randn(4,3),columns=['X','Y','Z'])
df2 = DataFrame(np.random.randn(3,3),columns=['X','Y','A'])
pd.concat([df1,df2])
'''
Out:
A X Y Z
0 NaN -0.060523 0.879124 1.673622
1 NaN 0.734367 0.708085 -0.133981
2 NaN 0.461922 -2.186110 -4.473558
3 NaN 1.553153 -2.256533 -0.381862
0 1.304371 -0.275638 1.362799 NaN
1 -0.357986 -0.273505 0.430566 NaN
2 1.406862 1.453295 -0.681261 NaN
''' #~~combine: #1、Series:
s1 = Series([2,np.nan,4,np.nan],index=['A','B','C','D'])
s1 = Series([1,2,3,4],index=['A','B','C','D'])
s1.combine_first(s2) #把s1中没有的填充上从s2 #2、DataFrame:
#和series几乎一样 作者:渔单渠
博客地址:http://www.cnblogs.com/yudanqu/
python--Numpy and Pandas 笔记01的更多相关文章
- python numpy和pandas做数据分析时去掉科学记数法显示
1.Numpy import numpy as np np.set_printoptions(suppress=True, threshold=np.nan) suppress=True 取消科学记数 ...
- python numpy模块使用笔记(更新)
np.arange(int a) 生成一个一维array,元素个数是a个,元素是0到a-1 注意arange不能直接生成多维array np.arange(int a).reshape(int b,i ...
- Python scrapy爬虫学习笔记01
1.scrapy 新建项目 scrapy startproject 项目名称 2.spiders编写(以爬取163北京新闻为例) 此例中用到了scrapy的Itemloader机制,itemloade ...
- Python Numpy,Pandas基础笔记
Numpy Numpy是python的一个库.支持维度数组与矩阵计算并提供大量的数学函数库. arr = np.array([[1.2,1.3,1.4],[1.5,1.6,1.7]])#创建ndarr ...
- python安装numpy和pandas
最近要对一系列数据做同比比较,需要用到numpy和pandas来计算,不过使用python安装numpy和pandas因为linux环境没有外网遇到了很多问题就记下来了.首要条件,python版本必须 ...
- [转] python安装numpy和pandas
最近要对一系列数据做同比比较,需要用到numpy和pandas来计算,不过使用python安装numpy和pandas因为linux环境没有外网遇到了很多问题就记下来了.首要条件,python版本必须 ...
- 有关python numpy pandas scipy 等 能在YARN集群上 运行PySpark
有关这个问题,似乎这个在某些时候,用python写好,且spark没有响应的算法支持, 能否能在YARN集群上 运行PySpark方式, 将python分析程序提交上去? Spark Applicat ...
- Python入门之安装numpy和pandas
最近要对一系列数据做同比比较,需要用到numpy和pandas来计算,不过使用python安装numpy和pandas因为linux环境没有外网遇到了很多问题就记下来了. 首要条件,python版本必 ...
- python及numpy,pandas易混淆的点
https://blog.csdn.net/happyhorizion/article/details/77894035 初接触python觉得及其友好(类似matlab),尤其是一些令人拍案叫绝不可 ...
随机推荐
- mysql的连接
本文内容: mysql客户端连接服务端 断开连接 首发日期:2018-04-07 mysql客户端连接服务端: 连接服务端的命令基本语法是: mysql -h host -u user -p -P p ...
- Django 登录验证-自动重定向到登录页
Web项目有些场景需要做用户登录验证,以便访问不同页面. 方法一:login_required装饰器 适用于函数视图. from django.contrib.auth.decorators impo ...
- SqlServer-RBAC五表权限
这只是一个精简的SqlServer-RBAC五表权限,根据自身需求修改即可 --创建数据库-权限CREATE DATABASE RBACGOUSE RBACGO --1.权限表CREATE TABLE ...
- Windows Server 2016-Powershell管理站点复制
对于Active Directory的Windows PowerShell包括管理复制.网站.域和森林,域控制器以及分区的能力.例如Active Directory的站点和服务管理单元和repadmi ...
- Linux下键盘值 对应input_evnet的code值。
最近做了一个linux下面的模拟鼠标和键盘的app,但不是很清楚字符对应的键值:查找内核源码,在kernel/include/uapi/linux/input.h文件中找到: 下面给出普通键盘上面对应 ...
- Xlua 不同平台链接库编译
xlua 下载包中提供lua5.3的库文件,如果需要luajit或者自己添加删除的就需要自己进行编译. Lua53版本没那么多事,主要是LuaJIt版本折腾的比较久. 工具 Xlua使用CMake进行 ...
- inline-block,一个奇怪的问题:中间div掉下来
先上代码: <!DOCTYPE html> <html> <head> <meta charset="UTF-8"> <tit ...
- A. On The Way to Lucky Plaza 概率 乘法逆元
A. On The Way to Lucky Plaza time limit per test 1.0 s memory limit per test 256 MB input standard i ...
- 代理 IP 云打码平台的使用
代理ip 获取代理ip的网站: 快代理 西祠代理 www.goubanjia.com #代理ip import requests headers = { 'User-Agent':'Mozilla/5 ...
- WPF自定义控件(五)の用户控件(完结)
用户控件,WPF中是继承自UserControl的控件,我们可以在里面融合我们的业务逻辑. 示例:(一个厌恶选择的用户控件) 后端: using iMicClassBase; using iMicCl ...