数据分析

Series & DataFrame 的方法

　　1 reindex

　　2 reset_index

　　3 value_counts --> series

　　4 sort_index / sort_values

　　5 pd.cut / pd.qcut

　　6 np.newaxis 插入新的纬度。在 线性回归模型 model.fit( x[:,np.newaxis]) 用到了

　　7 np.dot(A,B)

　　　　矩阵相乘

　　　　eg  np.dot(df,[3,4,5])    df.shape 为 （4,3）　　

　　

 　　8 array[ : ,0] 理解这样写的含义

　　 9 np.where()  有两种以上的用法，第一种类似三元表达式，条件为true时，

　　10 np.random.uniform()  生成随机值，可以是单个值，可以是一维数组，可以是多维数组。

　　11 pd.set_option('display.float_format')

 　　　　显示方面的一些设置，比如 默认显示是科学计数法，可以用这个方法改掉

　　12 np.random.normal() 返回符合正态分布的值，可以返回一个值，可以返回一个一维数组，可以返回多维数组

　　13 pd.Grouper　　

　　　　A Grouper allows the user to specify a groupby instruction for a target object

　　14 pd.concat(df1,df2)

　　15 df1.join(df2)

　　16 df1.dropna()

　　17 np.unique(ar,return_index=False,return_inverse=False,return_counts=False,axis=None)

　　　　有这几个参数，return_index,return_counts 可能用到的频率比较高。知道有这几参数就行。

　　　　当指定axis后，对多维数组可以使用，不会返回惟一值，而是对指定轴进行排序。

　　18 np.insert()

　　19 

Array的方法

　　1 .sort()

 　　2 arr.flatten( order = 'C'/'F') 将多维 数组变为一维数组，C是按行顺序，F是按列顺序

series/pandas 数据的保存

　　3 arr.tolist() 转换为列表类型

　　4 arr.astype(np.int64) 转换元素类型

　　 

writer = pd.ExcelWriter('output.xlsx')
res.to_excel(writer,'sheet1')
writer.save()

使用系统配好的样式

import matplotlib.style as psl
print(plt.style.available)
# 查看样式列表
psl.use('ggplot')

　　

设置轴相关

　　

plt.xlim([0,12])  # x轴边界
plt.ylim([0,1.5])  # y轴边界
plt.xticks(range(10))  # 设置x刻度
plt.yticks([0,0.2,0.4,0.6,0.8,1.0,1.2])  # 设置y刻度
fig.set_xticklabels("%.1f" %i for i in range(10))  # x轴刻度标签
fig.set_yticklabels("%.2f" %i for i in [0,0.2,0.4,0.6,0.8,1.0,1.2])  # y轴刻度标签
# 范围只限定图表的长度，刻度则是决定显示的标尺 → 这里x轴范围是0-12，但刻度只是0-9，刻度标签使得其显示1位小数
# 轴标签则是显示刻度的标签

plt.xlim([0,12])  # x轴边界
plt.ylim([0,1.5])  # y轴边界
plt.xticks(range(10))  # 设置x刻度
plt.yticks([0,0.2,0.4,0.6,0.8,1.0,1.2])  # 设置y刻度
fig.set_xticklabels("%.1f" %i for i in range(10))  # x轴刻度标签
fig.set_yticklabels("%.2f" %i for i in [0,0.2,0.4,0.6,0.8,1.0,1.2])  # y轴刻度标签
# 范围只限定图表的长度，刻度则是决定显示的标尺 → 这里x轴范围是0-12，但刻度只是0-9，刻度标签使得其显示1位小数
# 轴标签则是显示刻度的标签

plt的方法

　　plt.xlim   设置轴的范围，图的显示也随之改变

　　plt.xlabel  设置轴标签

　　plt.xticks   设置轴刻度和轴刻度标签

　　ax.set_xticklabels

　　plt.gca() 获取当前图表对象。  ax = plt.gca() ax.spines['top'].set_color('none')  设置坐标轴的颜色  ax.spines['left'].set_position((data,0))  移动坐标轴 用的比较少

 　　plt.plot

　　　　plt.plot([s1,s2],[y1,y2],color='r',alpha=0.7)

　　　  

　　　　　　

　　　　　plt.plot(s1,y1)

　　　　　　

　　plt.grid()

　　plt.legend()

　　plt.show

　　plt.scatter

　　plt.hist

　　plt.text(ha='center/bottom',va='center/bottom')   有两个参数注意下，ha，va。ha='center', va= 'bottom'代表horizontalalignment（水平对齐）、verticalalignment（垂直对齐）的方式

　　plt.gca

　　plt.savefig

　　plt.axis('equal')

　　plt.axvline()/plt.axhline

　　plt.bar(x,y,bottom=None)   条形图，可以手动绘制堆叠图，y是一组数据，bottom是另一组数据，只不过是需要两此plt.bar

　　plt.fill() 填图

　　　　plt.fill_between()

 　　plt.figure

　　　　fig.add_subplot

　　　　这个子图的使用，好像是ax1，ax2 ，等在同一个cell下执行，大方向如此。

　　plt.add_subplots

series,dataframe的方法

　　s/df.plot(kind=,style=,alpha=,title,label,legend,subplots=,colormap=,)

柱状图和堆叠图

　　堆叠图有个很明显的视觉效果，单一索引下的每列的数据进行对比

　

外嵌图标

　　不是那么重要，或许和后面的 plt.style  有交集？

# 外嵌图表plt.table()
# table(cellText=None, cellColours=None,cellLoc='right', colWidths=None,rowLabels=None, rowColours=None, rowLoc='left',
# colLabels=None, colColours=None, colLoc='center',loc='bottom', bbox=None)

data = [[ 66386, 174296,  75131, 577908,  32015],
        [ 58230, 381139,  78045,  99308, 160454],
        [ 89135,  80552, 152558, 497981, 603535],
        [ 78415,  81858, 150656, 193263,  69638],
        [139361, 331509, 343164, 781380,  52269]]
columns = ('Freeze', 'Wind', 'Flood', 'Quake', 'Hail')
rows = ['%d year' % x for x in (100, 50, 20, 10, 5)]
df = pd.DataFrame(data,columns = ('Freeze', 'Wind', 'Flood', 'Quake', 'Hail'),
                 index = ['%d year' % x for x in (100, 50, 20, 10, 5)])
print(df)

df.plot(kind='bar',grid = True,colormap='Blues_r',stacked=True,figsize=(8,3))
# 创建堆叠图

plt.table(cellText = data,
          cellLoc='center',
          cellColours = None,
          rowLabels = rows,
          rowColours = plt.cm.BuPu(np.linspace(0, 0.5,5))[::-1],  # BuPu可替换成其他colormap
          colLabels = columns,
          colColours = plt.cm.Reds(np.linspace(0, 0.5,5))[::-1], 
          rowLoc='right',
          loc='bottom')
# cellText：表格文本
# cellLoc：cell内文本对齐位置
# rowLabels：行标签
# colLabels：列标签
# rowLoc：行标签对齐位置
# loc：表格位置 → left，right，top，bottom

plt.xticks([])
# 不显示x轴标注

面积图，饼图，直方图，密度图，极坐标的柱状图，箱型图

　　主语是series，或者dataframe

　　　　df.plot.area  ,  (更看重各个列作为整体的变化趋势)   s.plot.pie

　　　　df.plot.hist() == df.plot(kind='hist')

　　　　df.plot(kind='kde')

　　　　ax1=plt.add_subplot(111,projection='polar')

　　　　bar=ax1.bar(theta,data)

 　　　　

　　　　df.plot(kind='box') 

　　　　　　color = dict(boxes='DarkGreen', whiskers='DarkOrange', medians='DarkBlue', caps='Gray')

　　　　df.boxplot()

填图，散点图，雷达图

　　主语是plt  plt.fill()  /  plt.fill_between()

　　　　　　plt.scatter() 这个有很多参数，可以表示很多维度 ，点的颜色，点的大小

 　　　　　　plt.polar(theta,data)  & plt.fill(theta,data)

散点矩阵

　　pd.plotting.scatter_matrix(df)  可以很便捷的看出各个列之前是否有关系

样式相关

　　1 是pd的方法

　　2 颜色，背景，%显示，几位小数显示，都只是改变的显示，实际dataframe的数值没有改变

　　df.style.apply(foo)

　　　　foo接收的参数是每一行，或每一列数据，即series

　　df.style.apply_map(foo)

　　　　foo 接收的参数是每个dataframe的值

　　df.style.format()

　　　　可以接字典 {‘b’:' { : .2f} '}

　　df.style.highlight_null() /highlight_max/highlight_min  高亮

　　df.style.bar 

　　　　条形图，值越大，格子内的条形图越长。

　　df.style.background_gradient 

　　　　色彩影射，值越高，颜色越深

　　以上均可嵌套使用。可能，O(∩_∩)O哈哈~