博客地址：http://www.cnblogs.com/yudanqu/
numpy和pandas是python进行数据分析的非常简洁方便的工具，话不多说，下面先简单介绍一些关于他们入门的一些知识。下面我尽量通过一些简单的代码来解释一下他们该怎么使用。以下内容并不是系统的知识体系，我只是尽可能把最基础的知识点列写一下。
一、numpy
1、array
1 import numpy 2 list_1 = [1,2,3,4] 3 array_1 = numpy.array(list_1) # 一维数组 4 list_2 = [4,5,6,7] 5 array_2 = numpy.array([list_1,list_2]) # 二维数组
1 array_2.shape # 查看数组特征，eg：2行4列 2 array_2.size # 查看元素个数, eg:8 3 array_2.dtype # 查看数组类型，eg：int64
注：numpy.arange(n) #与python中的range区别是前面有个a
1 numpy.zeros(s) # 全0矩阵，s可以为一个数也可以为一个列表，eg：[2,3]表示2*3的二维数组 2 numpy.eye(a) # 单位矩阵，生成的是浮点数
- 访问数组中元素：
一维：array_1[2] 、array_1[1:4]
二维：array_2[1][2] 、array_2[1,2] 、array_2[:1,1:4]
其中可以根据python中列表的切片来访问数据
2、数组与矩阵运算
~~数组array
1 numpy.random.randn(10) # 十个元素的一维数组 2 numpy.random.randint(10,size=20).reshape(4,5) # 产生20个10以内的随机整数，后面的reshape是将这些数重新写成一个4*5的二维数组
- 数组之间维度相同可以直接进行加减乘除（除数不能为0）
- numpy.unique(array_1) # 找到里面所有的数但不重复
- sum:二维数组中对每一列求和 sum(array_2)
- sum(array_2[0) 对第一行求和
- sum(array_2[:,0] 对第一列求和
- array_2.max() #求最大值，对某行某列求则同sum
~~矩阵matric
1 numpy.mat([1,2,3],[4,5,6]) # 生成一个二维矩阵 2 numpy.mat(array_1) # 将数组转换成矩阵
注：矩阵之间维度相同可以直接进行加减运算，而乘除运算需要行和列交叉对应，参照线性代数中的知识。
3、input和output:
1 import numpy as np 2 f = open('x.pkl','wb') 3 #序列化到硬盘 4 5 #pickle 6 import pickle 7 pickle.dump(x,f) # 产生pkl文件 8 pickle.load(f) # 提取pkl文件 9 10 #numpy本身的工具 11 numpy.save('one_array',x) 12 numpy.load('one_array.npy') 13 numpy.savez('two_array.npz',a=x,b=y) # 对多个进行操作，进行压缩储存 14 c = numpy.load('two_array.npz') # 提取文件 15 c['a'] #第一个文件 16 c['b'] #第二个文件
二、pandas
1、Series
1 import numpy as np 2 import pandas as pd 3 #下面是创建Series的三种方法 4 #方法1：s1 = pd.Series([1,2,3,4]) 5 #方法2：s2 = pd.Series(np.arange(10)) # 通过numpy.arange创建 6 #方法3：s3 = pd.Series({'1':1,'2':2,'3':3}) # 通过字典创建 7 s1.values # 查看值 8 s1.index # 查看索引 9 s4 = pa.Series([1,2,3,4],index=['A','B','C','D']) # 设置索引 10 s4.to_dict() # 转化成字典 11 pd.isnull(s4) #判断其中元素是否为NaN，pd.notnull()同理
2、DataFrame
1 from pandas import Series,DataFrame 2 #通过粘贴板导入dataframe 3 df = pd.read_clipboard() # 在此之前需要你copy一个表 4 df.columns # 输出列名 5 df.'列名' # 输出列的数值(是一个Series) 6 df_new = DataFrame(df,columns=['列名1','列名2']) 7 s1 = pd.Series(df['列名']) # 输出这一列，dataframe的每一列是一个series 8 s1.indexvalues 即对series操作，或者通过s1['索引值']
- df1.iterrows() #返回一个生成器，可以用for循环来访问
- eg: for row in df1.iterrows():
- print(row) #返回的数据为一个tuple
- s1,s2,s3为3个Series，用其组成一个人dataframe：
- df_new = pd.DataFrame([s1,s2,s3],index=['A','B','C'])
- # index是每个Series的名称
- # 初始是按横向拼接成的dataframe
- df1 = df1.T #转置，转置之后就和直接用dataframe生成的一样了
三、IO操作：
1、从粘贴板读取
1 df1 = pd.read_clipboard() 2 df1.to_clipboard() # 写入粘贴板
2、CSV文件
1 df1.to_csv('名字.csv',index=False) # false则表示不添加索引号 2 df2 = pd.read_csv('df1.csv') # 读取CSV文件
3、json
1 df1.to_json() # 转化成json文件 2 pd.read_json(df1.to_json()) # 读取json文件
4、html
1 df1.to_html('df1_html') # 转换成HTML文件
5、excel
1 df1.to_excel('df1.xlsx') # 生成Excel文件
四、Selecting and Indexing
1 df.head() # 返回前五行 2 df.tail() # 返回后五行 3 # 返回更多的内容则在括号中写出来，不写则默认为五行 4 df.iloc[:,:] #索引切片，定位，基于index，与索引名无关 5 df.loc[:,:] # 根据索引名来，label来过滤
Reindex:
~~series
1 s1.reindex(index=['A','B','C','D','E'],fill_value=10) 2 # fill_value 是指当重新写的index中有原来没有的，那么他本身输出为NaN，fill值为添加到这个索引下的值 3 # 创建一个新Series，另一种赋值的方法 4 s2 = Series(['A','B','C','D'],index=[1,5,10]) 5 s2.reindex(index=range(15)) # 生成15个索引的Series，除了原有的其他的都是NaN 6 s2.reindex(index=range(15)，method='ffill') # 在上一步的基础上，按顺序将上一个value填充到他下面的几个中（forward fill） 7 s1.drop('A') # 表示删除A的内容
~~dataframe
1 # 创建一个5*5的，通过numpy进行reshape 2 df1 = DataFrame(np.random.rand(25).reshape([5,5]),index=['A','B','D','E','F'],colums=['c1','c2','c3','c4','c5']) # 遗漏的index中的C，通过reindex来恢复 3 df1.reindex(index=['A','B','C','D','E','F']) # C被恢复并把value填充为NaN 4 # columns 同理 5 # 当index减少时就表现出切割的现象 6 df1.drop('A',axis=0) # axis=0，代表删除行；axis=1，代表删除列（后面遇到axis同样是这个意思）
五、NaN
- n = np.nan
- type(n) 是个浮点数float
- 与nan的运算结果均是nan
nan in series：
- s1.isnull otnull() 判断是否为nan
- s1.dropna() # 删除掉value为NaN的行
nan in dataframe：
- 判断同series
1 df.dropna(axis=0,how='any'，thresh=None) # axis表示行和列0,1来表示,how为any时表示有Nan就删掉，为all时表示全为nan时才删掉；thresh表示一个界限，超过这个数字的nan则被删掉 2 df.fillna(value=1) # 表示所有为nan的地方填充为1 3 df.fillna(value={0:0,1:1,2:2,3:3}) # 表示第一列的填充1，第二列的填充2，后面同理
注：dropna,fillna不改变原始数组
六、多级index
- index=[['1','1','1','2','2','2'],['a','b','c','a','b','c']] # 1,2为一级标题，abc为二级标题，即1的series下有abc，原始series下有1,2；获取内容时，可以s1['1']['a']
- s1[:,'a'] 返回所有一级series里的a
- 与dataframe的转换：
- df1 = s1.unstack()
- 逆转换：
- s2 = df1.unstack() # 这时一二级换了位置
- s2 = df1.T.unstack() # 这时是和原始完全一样的
注：dataframe的index和columns都可以转换成多级的
七、mapping and replace
当想在一个dataframe中加一列(columns)，可以直接加df['列名']=Series([数据])
也可以通过map：创建一个字典，字典中的键是dataframe中的columns：
df1['新列名'] = df1['字典中的键那一列'].map(那个字典) 这个可以固定对应位置，方便改值，可以指定index来改值
replace in series:
1 s1.replace({1,np.nan}) # 通过字典来改值 2 s1.replace([1,2,3],[10,20,30]) # 把123索引改成10,20,30
作者：渔单渠
博客地址：http://www.cnblogs.com/yudanqu/
以上内容是我的一点点总结，希望能给有需要的朋友带来带你帮助，也希望有大神来指点指点。