11-2 numpy/pandas/matplotlib模块

目录

• numpy模块
  • 一维数组
  • 二维数组
  • 列表list和numpy的区别
  • 获取多维数组的行和列
  • 多维数组的索引
  • 高级功能
    • 筛选数据
    • 多维数组元素的替换
  • 多维数组的合并
  • 通过函数方法创建多维数组
  • 矩阵的运算
  • 求最大值最小值
  • numpy生成随机数
• pandas模块
  • pandas模块有什么用
  • Series(了解)
  • DataFrame(掌握)
    • df的相关方法及属性
  • 处理缺失值
  • 合并数据
• matplotlib模块
  • matplotlib模块有什么用?

numpy模块

numpy模块导入时,注意需要设置别名为 np

一维数组

只有一行,相当于一条线

# 生成一个一维数组
import numpy as np
lis = [x for x in range(10)]
arr1 = np.array(lis)
print(arr1,type(arr1)) #打印结果 [0 1 2 3 4 5 6 7 8 9] <class 'numpy.ndarray'>

二维数组

有行有列,是numpy模块处理最多的数据类型.

三维数组就是在一个大中括号中有多个二位数组

一个列表里面装了多个一维数组.

# 生成一个二维数组
import numpy as np
lis1 = [1,2,3]
lis2 = [4,5,6]
arr1 = np.array([lis1,lis2])
print(arr1) # 打印出了一个二维数组
#[[1 2 3]
 [4 5 6]]

np.array() 括号内需传入一个类似数组的排序对象

列表list和numpy的区别

列表就是对一维数组进行操作,而numpy是对多维数组进行操作

获取多维数组的行和列

import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.shape) # 返回的是一个元组(2, 3),表示这个二维数组的行数和列数
print(arr.shape[0])# 行
print(arr.shape[1])# 列

多维数组的索引

• 中括号加锁定,中间用逗号隔开

import numpy as np
arr = np.array([[1,2,3],[4,5,6]])
# 比如说我想取arr中的第1行第2列
print(arr[0,1])
# 我想取 第一行所有的数
print(arr[0,:])
# 我想取 第一列所有的数
print(arr[:,0])
# 我想取 第一行,第二列的第2个和第3个元素
print(arr[0,[1,2]])

高级功能

筛选数据

给定一个多维数组,我想取其中年龄大于60的数

import numpy as np
import random
arr = np.array([[random.randint(30, 80) for x in range(5)], [random.randint(30, 80) for x in range(5)], \
                [random.randint(30, 80) for x in range(5)]])
print(arr > 60)
print(arr[arr > 60])
#[[False False False  True  True]
 [ True False False  True False]
 [ True False False False False]]
#[65 66 75 64 61]

多维数组元素的替换

例如将上面的大于60岁的年龄全部替换成0岁

import numpy as np
import random
arr = np.array([[random.randint(30, 80) for x in range(5)], [random.randint(30, 80) for x in range(5)], \
                [random.randint(30, 80) for x in range(5)]])
print(arr > 60)
print(arr[arr > 60])
arr[arr>60]=0
print(arr)
#[[False False  True False False]
  [False  True  True False False]
  [False  True False  True False]]
# [66 72 72 61 64]
[[58 52  0 51 60]
 [32  0  0 60 56]
 [37  0 60  0 40]]

或者将指定行指定列的元素进行替换

import numpy as np
arr = np.array([[1,2,3],[4,5,6]])
arr[1,2] = 10
print(arr)
#[[ 1  2  3]
  [ 4  5 10]] # 6被替换成10

多维数组的合并

既然是合并,至少需要两个多维数组

import numpy as np
arr1 = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
arr2 = np.array([[9, 10, 11, 12], [13, 14, 15, 16]])
print(f'arr1:{arr1}')
print(f'arr2:{arr2}')
# 垂直合并
print(np.vstack((arr1, arr2)))
# 水平合并
print(np.hstack((arr1, arr2)))
# 默认垂直合并axis=0,
# axis=1 水平合并
print(np.concatenate((arr1,arr2),axis=0))
print(np.concatenate((arr1,arr2),axis=1))
# 打印结果
arr1:[[1 2 3 4]
 [5 6 7 8]]
arr2:[[ 9 10 11 12]
 [13 14 15 16]]
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]
 [13 14 15 16]]
[[ 1  2  3  4  9 10 11 12]
 [ 5  6  7  8 13 14 15 16]]
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]
 [13 14 15 16]]
[[ 1  2  3  4  9 10 11 12]
 [ 5  6  7  8 13 14 15 16]]

在numpy中为了统一做处理,只要有axis=0的就是列,axis=1的就是行

通过函数方法创建多维数组

import numpy as np
# arange 创建一维数组
print(np.arange(10)) #1-10,不含10
print(np.arange(1,10,2)) # 开始,结束,步长
# 打印结果
[0 1 2 3 4 5 6 7 8 9]
[1 3 5 7 9]
# ones 打印出的都是1
print(np.ones((3,4))) # 需要传一个元组,设置行和列
# 打印结果
[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]
# zeros 打印出的都是0
print(np.zeros((3,4))) # 需要传一个元祖,设置行和列
# 打印结果
[[0. 0. 0. 0.]
 [0. 0. 0. 0.]
 [0. 0. 0. 0.]]
# eye
print(np.eye(5,5))
# 打印结果
[[1. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0.]
 [0. 0. 1. 0. 0.]
 [0. 0. 0. 1. 0.]
 [0. 0. 0. 0. 1.]]

矩阵的运算

# 多维数组之间可以进行运算
# + - * / % **
import numpy as np
arr1 = np.arange(1,10)
arr2 = np.arange(11,20)
print(arr1) # 矩阵arr1
# [1 2 3 4 5 6 7 8 9]
print(arr2) # 矩阵arr2
# [11 12 13 14 15 16 17 18 19]
print(arr1+arr2) # 两个矩阵对应位置的元素相加
# [12 14 16 18 20 22 24 26 28]
print(arr1-arr2) # 两个矩阵对应位置的元素相减
# [-10 -10 -10 -10 -10 -10 -10 -10 -10]
print(arr1*arr2) # 两个矩阵对应位置的元素相乘
# [ 11  24  39  56  75  96 119 144 171]
print( arr2/arr1) # 两个矩阵对应位置的元素相除
# [11.          6.          4.33333333  3.5         3.          2.66666667
#   2.42857143  2.25        2.11111111]
print(arr2%arr1) # 对应位置取余
# [0 0 1 2 0 4 3 2 1]
print(arr1**2) # 单个矩阵每个元素都取2次方
# [ 1  4  9 16 25 36 49 64 81]

求最大值最小值

import numpy as np
# 求最大值
arr = np.array([[1, 4, 6, 7], [9, 5, 7, 8]])
print(arr.max())
# 求最小值
print(arr.min())

numpy生成随机数

import numpy as np
# 生成3行4列0到1之间的随机小数
print(np.random.rand(3,4))

import numpy as np
np.random.seed(1)# 永不随机,固定的数
print(np.random.rand(3,4))
rs = np.random.RandomState(1)  # 永不随机,固定的数
rs.rand(3, 4)

pandas模块

pandas模块有什么用

支持文件存取操作

Series(了解)

类似于一维数组,只能放一维数组

import pandas as pd
import numpy as np
print(pd.Series(np.arange(10)))
# 打印结果
0    0
1    1
2    2
3    3
4    4
5    5
6    6
7    7
8    8
9    9
dtype: int64

二维以上的数组使用DataFrame

DataFrame(掌握)

import pandas as pd
import numpy as np
print(pd.DataFrame(np.array([[1, 2, 3, 4], [1, 2, 3, 4]])))
# 打印结果
   0  1  2  3
0  1  2  3  4
1  1  2  3  4

# 时间范围
dates = pd.date_range('2019-02',periods=7) # 默认从1月1日开始,
print(dates)
# 打印结果
DatetimeIndex(['2019-02-01', '2019-02-02', '2019-02-03', '2019-02-04',
               '2019-02-05', '2019-02-06', '2019-02-07'],
              dtype='datetime64[ns]', freq='D')

import pandas as pd
import numpy as np
dates = pd.date_range('2018-02', periods=7) # 日期
# print(dates)
goods_list = ['tesla', 'transformer', 'chognqiwawa', 'masaladi'] # 商品列表
price = np.random.rand(7, 4) # 随机商品价格,7行4列
# print(price)
df = pd.DataFrame(price, index=dates, columns=goods_list) # 约定俗成,习惯用 df
print(df)
#              tesla  transformer  chognqiwawa  masaladi
2018-02-01  0.993845     0.124944     0.534339  0.436508
2018-02-02  0.948098     0.921375     0.931371  0.288497
2018-02-03  0.965210     0.074648     0.108268  0.198268
2018-02-04  0.709131     0.207583     0.414028  0.520331
2018-02-05  0.146407     0.025101     0.399028  0.916314
2018-02-06  0.884905     0.319202     0.448119  0.721902
2018-02-07  0.549198     0.324437     0.872872  0.311014

df的相关方法及属性

# dtype    查看数据类型
# index    查看行序列或者索引
# columns  查看各列的标签
# values   查看数据框内的数据，也即不含表头索引的数据
# describe 查看数据每一列的极值，均值，中位数，只可用于数值型数据
# transpose    转置，也可用Ｔ来操作
# sort_index   排序，可按行或列index排序输出
# sort_values     按值排序,可以具体选择某一个标签

print(df.dtype) # 打印每一行的数据类型
print(df.index) # 打印所有的行的索引
print(df.columns) # 打印所有的列的标签
print(df.values) # 打印数据框内的数据,不含表头和索引的数据
print(df.sort_values(by=['tesla'], ascending=False)) # 按照标签'tesla'进行排序,可以控制升序或者降序

处理缺失值

test_data = '''
5.1,,1.4,0.2
4.9,3.0,1.4,0.2
4.7,3.2,,0.2
7.0,3.2,4.7,1.4
6.4,3.2,4.5,1.5
6.9,3.1,4.9,
,,,
'''
这个矩阵中缺失了一部分数据
import pandas as pd
from io import StringIO
test_data = StringIO(test_data) # 把test_data读入内存
df = pd.read_csv(test_data) # 从csv中读取test_data数据
print(df)
df2 = df.dropna(thresh=4, axis=1) # 0是行,1是列  thresh 表示存在正常数据的个数
print(df2)
df3 = df.dropna(thresh=1, axis=0) # 0是行,1是列
print(df3)
# df4 = df.dropna(subset['c2']) #
# print(df4)
df5 = df.fillna(value=33)      # 缺失的值会被value值替换填充
print(df5)

合并数据

import pandas as pd
import numpy as np
df2 = pd.DataFrame(np.zeros((3, 4)))
df3 = pd.DataFrame(np.ones((3, 4)))
df4 = pd.concat((df2,df3),axis=0) # 默认是垂直合并
df5 = pd.concat((df2,df3),axis=1) # 改为1后是水平合并
print(df4,df5)

matplotlib模块

matplotlib模块有什么用?

图形可视化,主要用来画图

import matplotlib.pyplot as plt
# 只识别英语,所以通过以下两行增加中文字体
from matplotlib.font_manager import FontProperties
# %matplotlib inline  # jupyter默认不显示图片,通过这一行告诉他显示图片
font = FontProperties(fname='D:\msyh.ttc')
classes = ['1班', '2班', '3班', '4班']
student_amounts = [30, 20, 30, 40]
classes_index = range(len(classes))  # [0,1,2,3]
#      [0,1,2,3]      [30,20,30,40]
plt.bar(classes_index, student_amounts)
plt.xticks(classes_index, classes, FontProperties=font)
plt.text(0, 32, '30')
plt.xlabel('班级', FontProperties=font)
plt.ylabel('学生人数', FontProperties=font)
plt.title('班级-学生人数', FontProperties=font)
plt.style.use('ggplot')
plt.plot()
plt.show()