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

  1. 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 ...

  2. 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 ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. [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 ...

  7. 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 ...

  8. 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 ...

  9. 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

  1. 如何在 Flickr 上找到又酷,又有趣,且版权自由的照片?

    [编者按]本文作者为 Alex Walker,主要介绍在 Flickr 上进行照片搜索时的一些技巧.本文系国内 ITOM 管理平台 OneAPM 编译呈现. 我们一直都在寻找新奇的,与众不同的设计.图 ...

  2. Android Thread 官方说明

    Thread官方说明 https://developer.android.google.cn/reference/java/lang/Thread Thread是程序中执行的线程.Java虚拟机允许应 ...

  3. 原型模式ProtoType

    #!/usr/bin/env python # -*- coding: utf-8 -*- # @Time : 2019/3/4 21:49 # @Author : ChenAdong # @emai ...

  4. shell编程—简单的使用(二)

    使用shell编辑.sh使其输出hello tynam 1.新建一个.sh文件,然后进行编辑 vi hello_tynam.sh 2.进行编辑,先按i键进行激活,然后输入echo hello tyna ...

  5. linux下objdump应用

    <a href="http://www.maomao365.com/?p=952" > linux命令objdump的用法  http://www.maomao365. ...

  6. react 之 reflux 填坑

    注意:老铁些,在看这篇文章的之前,最好了解一下react 的全局状态管理库哦,不然可能会坐飞机. ^_^ React 之reflux (它是一个功能模块,需要安装引入): import Reflux ...

  7. AIX查看系统版本

    AIX系统版本   1. AIX 主要版本.次要版本.维护级 oslevel -r  lslpp -h bos.rte      2. 确定某个特定的 AIX 级别缺少哪些文件集更新 举例,若要确定 ...

  8. 在Eclipse中创建maven项目出现的环境警告 j2se-1.5

    Build path specifies execution environment J2SE-1.5. There are no JREs installed in the workspace th ...

  9. js 性能篇--dom 重绘 重排 节流

    浏览器下载完页面中的所有组件----HTML标记,Js,CSS,图片等之后会解析并生成两个内部数据结构: DOM树  -------- 表示页面结构 渲染树   -------- 表示DOM节点如何显 ...

  10. Scrapy 框架 中间件 代理IP 提高效率

    中间件 拦截请求跟响应 进行ua(User-Agent ) 伪装 代理 IP 中间件位置: 引擎 和下载器 中间 的中间件 ( 下载中间件) 引擎 跟 spider 中间 的中间件 ( 爬虫中间件)( ...