np的concatenate和pandas的groupby

1. concatenate

　　concatenate函数可以实现对两个张量进行拼接，这个张量可以实一维向量，二维矩阵等等

　　1. 首先定义四个列表，然后用concatenate把他们拼接起来，这里我设axis=0

name = ['jack', 'ross', 'john', 'blues', 'frank', 'bitch', 'haha', 'asd', 'loubin']
age = [12, 32, 23, 4,32,45,65,23,65]
married = [1, 0, 1, 1, 0, 1, 0, 0, 0]
gender = [0, 0, 0, 0, 1, 1, 1, 1, 1]

matrix = np.concatenate((name, age, married, gender), axis=0)
print(matrix)

　　运行结果如下

C:\software\Anaconda\envs\ml\python.exe C:/学习/python/科比生涯数据分析/venv/groupy.py
['jack' 'ross' 'john' 'blues' 'frank' 'bitch' 'haha' 'asd' 'loubin' ''
 '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' ''
 '' '' '' '' '' '' '' '' '' '']

　　达到的效果是直接把四个列表给拼接成了一个大的列表，长度是36。下面我们尝试用axis=1来拼接

name = ['jack', 'ross', 'john', 'blues', 'frank', 'bitch', 'haha', 'asd', 'loubin']
age = [12, 32, 23, 4,32,45,65,23,65]
married = [1, 0, 1, 1, 0, 1, 0, 0, 0]
gender = [0, 0, 0, 0, 1, 1, 1, 1, 1]

matrix = np.concatenate((name, age, married, gender), axis=1)

　　运行结果报错如下

C:\software\Anaconda\envs\ml\python.exe C:/学习/python/科比生涯数据分析/venv/groupy.py
Traceback (most recent call last):
  File "C:/学习/python/科比生涯数据分析/venv/groupy.py", line 15, in <module>
    matrix = np.concatenate((name, age, married, gender), axis=1)
numpy.AxisError: axis 1 is out of bounds for array of dimension 1

　　原因很简单，运行name.shape就可以发现，上面的列表shape属性是(9, )，也就是说他们的shape[0] 是9， 而shape[1]不存在，所以axis=1是对不存在的维度进行

操作。没错axis = k 就可以理解为对shape[k]所代表的维度进行操作。下面我们来验证以下

　　将以上的列表变成(1, 9)的矩阵，用numpy完成

name = np.array([['jack', 'ross', 'john', 'blues', 'frank', 'bitch', 'haha', 'asd', 'loubin']])
age = np.array([[12, 32, 23, 4,32,45,65,23,65]])
married = np.array([[1, 0, 1, 1, 0, 1, 0, 0, 0]])
gender = np.array([[0, 0, 0, 0, 1, 1, 1, 1, 1]])

matrix = np.concatenate((name, age, married, gender), axis=0)
print(matrix)

　　　运行结果如下，因为这个时候， name，age， married， gender的shape都是(1, 9)，所以axis=0时，拼接对shape[0]操作，结果就是(4, 9)的矩阵

C:\software\Anaconda\envs\ml\python.exe C:/学习/python/科比生涯数据分析/venv/groupy.py
[['jack' 'ross' 'john' 'blues' 'frank' 'bitch' 'haha' 'asd' 'loubin']
 ['' '' '' '' '' '' '' '' '']
 ['' '' '' '' '' '' '' '' '']
 ['' '' '' '' '' '' '' '' '']]

　　　　试一下将axis改成1，那么结果因该就是（1， 36）的矩阵了

name = np.array([['jack', 'ross', 'john', 'blues', 'frank', 'bitch', 'haha', 'asd', 'loubin']])
age = np.array([[12, 32, 23, 4,32,45,65,23,65]])
married = np.array([[1, 0, 1, 1, 0, 1, 0, 0, 0]])
gender = np.array([[0, 0, 0, 0, 1, 1, 1, 1, 1]])

matrix = np.concatenate((name, age, married, gender), axis=1)

[['jack' 'ross' 'john' 'blues' 'frank' 'bitch' 'haha' 'asd' 'loubin' ''
  '' '' '' '' '' '' '' '' '' '' '' '' '' '' '' ''
  '' '' '' '' '' '' '' '' '' '']]

2.groupby函数

　　groupyby可以接受datafram的列名作为参数，将原始数据按照列名进行分组。利用第一部分的数据说明

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

name = np.array([['jack', 'ross', 'john', 'blues', 'frank', 'bitch', 'haha', 'asd', 'loubin']])
age = np.array([[12, 32, 23, 4,32,45,65,23,65]])
married = np.array([[1, 0, 1, 1, 0, 1, 0, 0, 0]])
gender = np.array([[0, 0, 0, 0, 1, 1, 1, 1, 1]])

matrix = np.concatenate((name, age, married, gender), axis=0)
matrix = matrix.T

data = pd.DataFrame(data=matrix, columns=['name', 'age', 'married', 'gender'])
print(data)

运行结果如下，生成了一个datafram

C:\software\Anaconda\envs\ml\python.exe C:/学习/python/科比生涯数据分析/venv/groupy.py
     name age married gender
0    jack  12       1      0
1    ross  32       0      0
2    john  23       1      0
3   blues   4       1      0
4   frank  32       0      1
5   bitch  45       1      1
6    haha  65       0      1
7     asd  23       0      1
8  loubin  65       0      1

在上面的代码基础上再增加以下代码

gs = data.groupby('gender')
print(len(gs))

for g in gs:
    print(g)

运行结果如下

2
('',     name age married gender
0   jack  12       1      0
1   ross  32       0      0
2   john  23       1      0
3  blues   4       1      0)
('',      name age married gender
4   frank  32       0      1
5   bitch  45       1      1
6    haha  65       0      1
7     asd  23       0      1
8  loubin  65       0      1)

　　通过data.groupy('gender')生成了一个分类器gs，但是gs不能直接展示数据，要通过for循环来获取gs中的数据。这里运行len(gs)可以发现gs的长度时2，因为gender

属性只有两个值，所以gs的长度就是类别数。然后对于gs中的每一个g，是一个元组，由两部分组成，第一部分是类别值，第二部分是该类别下的datafram数据集。