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。
1 arr = np.array([[1.2,1.3,1.4],[1.5,1.6,1.7]])#创建ndarray时候也可以指定dtype 2 arr.astype(dtype = np.int) #浮点数转int 3 #对数组批量运算,作用在每个元素上 4 arr = np.array([[1,2,3],[4,5,6]]) 5 print arr**5 6 #索引和切片 7 arr = np.array([1,2,3,4,5,6]) 8 print arr[:2]#arr[0]和arr[1] 9 arr = np.array([[1,2,3],[4,5,6]]) 10 print arr[:2] #打印第1，2行 11 12 #布尔型索引 13 name = ['Bob','La','CA','Da','Ea','Fa'] 14 rnd_arr = np.random.randn(7,4) 15 print rnd_arr[name == 'CA']#利用布尔数组选择行，这里name == 'CA'会产生一个布尔数组 16 a = [1,2,3] 17 b = [True,False,True] 18 print a[b]#选第一个和第三个 19 20 #花式索引 21 a = [1,2,3,4,5] 22 index = [4,2,0] 23 b = a[index] 24 #对于二维数组 25 arr = np.arange(32).reshape(8,4) 26 print arr[[1,5,2,7],[:,0,3,1,2]] #1,5，2,7行的0,3,2,1列，如果不加冒号就是打印arr[1][0],arr[5][3] 转置 arr.T 27 #逻辑表述为数组运算where 28 x = np.random.randn(1,5) 29 y = np.random.randn(1,5) 30 cond = np.array([True,False,True,False,True]) 31 result = np.where(cond,x,y) #也可以省略x,y直接加条件 如 x>2 只有condition的时候返回的是复合条件的坐标索引 32 #where的逻辑 33 #如果条件1和2 则0，否则如果条件1取1，否则条件2 取2 ，再不行取3。相当于一个if else的缩写。 34 #列表推导result = [x if c else y for (c,x,y) in zip(cond,x,y)] 35 36 #数学和统计方法 sum，mean,std,var这些 37 arr = np.random.randn(5,4) 38 bools = np.array([False,False,True,False]) 39 40 arr.mean(axis = 1) #按行取平均 41 print (arr>0).sum() #大于0的和 42 print (bools == True).sum() #True的个数 43 print bools.any() #有一个True 都True 44 print bools.all() #有一个为False 则False 45 unique（x）#去重 ，还有交叉并补 46 47 48 #高斯消元法 qr分解，此外乘法dot,求逆inv 49 from numpy.linalg import qr 50 arr = np.random.randn(5,4) 51 q,r = qr(arr) 52 print q,r 53 arr.mean(axis = 0) #按照列求均值，也即是竖直方向，如果axis=1则按行求均值，水平方向 54 55 #数组重塑 56 arr = np.arrange(8) 57 print arr.reshape(4,2) 58 #只是改变了显示方式，其实内存中的存储结构不变 59 #下面三种都能达到同样的效果 60 x = np.array([[1, 2], [3, 4]]) 61 print x.flatten() 62 print x.ravel() 63 print x.reshape(-1) 64 #两者默认均是行序优先 65 print x.flatten('F') 66 print x.ravel('F') 67 print x.T.reshape(-1) 68 #flatten ravel的区别 69 x = np.array([[1, 2], [3, 4]]) 70 x.flatten()[1] = 100 71 print x 72 # flatten：返回的是拷贝 73 x.ravel()[1] = 100 74 print x 75 #ravel则是对元素组的一个引用，会改变元素组，和reshape一样只是改变了显示方式 76 77 #连接数组 78 a1 = np.array([[0,1,2],[2,1,3]]) 79 a2 = np.array([[4,5,6],[7,8,9]]) 80 print np.concatenate([a1,a2],axis = 0) #添加行，竖直方向添加，如果axis = 1添加列，水平方向添加 81 print np.vstack((a1,a2)) #竖直方向叠起来 82 print np.hstack((a1,a2)) #水平方向叠起来 和上面的效果一样 83 #拆分 84 f,s = np.split(a2,[1,2],axis = 0) #竖直方向上，也即是按行拆分 85 #put,take 86 arr = np.arange(5) 87 inds = [1] 88 arr.put(inds,50) #替换inds位置的数 89 print arr arr.take([1,2]) #和花式索引效果一样
Pandas
pandas 处理时间序列，缺失数据的处理。
1 #Series 类似于一维数组，因为平时的数组都是默认索引的,Series可以指定索引。 2 3 from pandas import Series 4 obj = Series([4,7,-5,3],index = ['a','b','c','d']) 5 print obj[obj > 0] #找出大于0的 6 print obj.index 7 8 #字典可以直接生成Series。 9 locations =['NT','RT','RG','XL'] 10 data = {'NT':4000,'RT':5000,'X':100} 11 obj = Series(data,index = locations) 12 print obj 13 14 #Series,相加相同的索引部分相加，也可以给索引以及该series命名。 15 #index替换 16 obj.index = [1,2,3,4] 17 18 #DataFrame 可以理解成二元的，他是表格型的数据结构，比如我们平常见的Excel。有行索引，列索引，可以理解成Series的合并。 19 from pandas import Series,DataFrame 20 data = { 21 'locations':['NT','RT','RG','XL'], 22 'years':[2000,2001,2004,2008], 23 'pop':[1.5,1.6,1.7,1.8] 24 } 25 Df = DataFrame(data, columns = ['years','locations','pop'],index = ['one','two','three','four']) #指定列 26 print Df 27 28 years locations pop 29 one 2000 NT 1.5 30 two 2001 RT 1.6 31 three 2004 RG 1.7 32 four 2008 XL 1.8 33 #修改指定的列，可以设置索引，没有的变成NaN。 34 val = Series([2, 5, 7],index = ['one','two','four']) 35 Df['pop'] = val 36 print Df 37 years locations pop 38 one 2000 NT 2.0 39 two 2001 RT 5.0 40 three 2004 RG NaN 41 four 2008 XL 7.0 42 Df['big'] = (Df.years == 2008) 43 44 #丢弃指定轴上的项，指定索引或列 45 print Df.drop(['two','four']，axis = 1) 46 #索引，选取和过滤 47 #Series的切片是一个引用 48 import numpy as np 49 se = Series(np.arange(4), index = ['a','b','c','d']) 50 print se['b':'c'] 51 se['b','c'] = 5 52 print se 53 54 #DataFrame打印列可以直接调用,打印行需要.ix 55 data = DataFrame(np.arange(16).reshape(4,4),index = ['a','b','c','d'],columns = ['one','two','three','four']) 56 print data 57 #print data.ix['a'] 58 print data.ix[:'c','two'] #'two'列的a,b,c行，对于非数字索引一定是闭区间。 59 data[data < 5] = 0 #所有小于5的都被设置为0 60 61 #算术运算与数字对齐，对齐操作同时发生在行和列上（就是行和列都匹配），索引不对齐的地方计算就是用NA 62 from pandas import Series 63 s1 = Series([1,2,3,4,5],index = ['a','b','c','d','e']) 64 s2 = Series([2,3,4,5,6],index = ['a','b','c','d','f']) 65 print s1+s2 66 67 a 3.0 68 b 5.0 69 c 7.0 70 d 9.0 71 e NaN 72 f NaN 73 dtype: float64 74 #DataFrame比较复杂，会列出所有的行列，相当于一个并集，然后行列不匹配的那个变成NaN，所有两个DataFrame相加，可能行列大小都会变化，如果不相同的话。 75 df1 = DataFrame(np.arange(12).reshape(3,4),columns = list('abcd')) 76 df2 = DataFrame(np.arange(20).reshape(4,5),columns = list('abcde')) 77 print df1.add(df2,fill_value = 0) #不匹配的，用nan的地方用0填充 78 79 a b c d e 80 0 0.0 2.0 4.0 6.0 4.0 81 1 9.0 11.0 13.0 15.0 9.0 82 2 18.0 20.0 22.0 24.0 14.0 83 3 15.0 16.0 17.0 18.0 19.0 84 #Dataframe和Series之间 相减，默认是按照水平方向，按行，如果axis = 0，则竖直方向，按照列，每一列都减去一个Series。 85 #函数应用和映射，Series有个应用到元素的map方法，Dataframe有applymap 86 f = lambda x : x.max() - x.min() 87 print df1.apply(f, axis = 1)# 对水平方向的每一行最大减最小 88 print df1.apply(f,axis = 0) # 对竖直方向的每一列最大减最小 89 90 #applymap 应用到每一个元素 91 df1.astype(np.float) 92 f2 = lambda x: '%.2f' % x 93 print df1.applymap(f2) 94 print df1['a'].map(f2)#df['a']相当于一个Series，应用到每一个元素是map 95 96 #对列和索引进行排序，可以指定升序还是降序还有rank函数 97 #按照索引排序 98 df1.sort_index(axis = 1,ascending = False) 99 100 d c b a 101 0 3 2 1 0 102 1 7 6 5 4 103 2 11 10 9 8 104 105 #按值排序 106 df1.sort_values(by = ['a','b'],ascending = False)#降序，先a按照a，a不行则b 107 #rank 108 obj = Series([7,9,-5,1,4,2,2,5]) 109 print obj.rank()#输出的是每个元素应该在的位置 110 111 #指定列变成索引 112 df1.set_index(['a']) 113 114 #pandas的索引可以用重复,返回的是一个数组 115 #层次索引 116 #Series的层次索引 117 from pandas import Series 118 s = Series(np.random.randn(5), index = [['a','a','b','b','c'],[1,2,1,2,1]]) 119 print s 120 print s.index 121 print s[:2] 122 print s['b':'c'] 123 print s.unstack() #把1,2放到列上去，c只有1个就变成了NaN了,变成了DataFrame的样子。 124 print s.unstack().stack() 125 126 a 1 -1.050402 127 2 0.489801 128 b 1 -0.538088 129 2 0.886044 130 c 1 2.695847 131 dtype: float64 132 MultiIndex(levels=[[u'a', u'b', u'c'], [1, 2]], 133 labels=[[0, 0, 1, 1, 2], [0, 1, 0, 1, 0]]) 134 a 1 -1.050402 135 2 0.489801 136 dtype: float64 137 b 1 -0.538088 138 2 0.886044 139 c 1 2.695847 140 dtype: float64 141 1 2 142 a 0.900427 -0.673935 143 b 0.162862 -0.118564 144 c 0.039270 NaN 145 #DataFrame的层次索引，DataFrame不管在行还是列都可以多值索引 146 df = DataFrame(np.arange(12).reshape((4,3)),index = [['a','a','b','b'],[1,2,1,2]],columns = [['Ohio','Chicago','NewYork'],['a','b','c']]) 147 print df 148 #交换两个索引，原来在外面的变到里面，也可以根据索引排序 149 df.index.names = ['key1','key2'] 150 df_df = df.swaplevel('key1','key2') 151 df_df.swaplevel(0,1).sortlevel(0) 152 #指定key统计 153 print df.sum(level = 'key2') 154 Ohio Chicago NewYork 155 red blue green 156 key2 157 1 6 8 10 158 2 12 14 16 159 #整数索引会有歧义，比如-1,0有时候不知道是位置，还是他的索引，所以避免歧义一般是.iloc
iloc,loc和ix的区别
参考自：http://stackoverflow.com/questions/31593201/pandas-iloc-vs-ix-vs-loc-explanation
s = Series(np.arange(8),index = [8,9,15,1,2,3,4,5])
print s
8 0
9 1
15 2
1 3
2 4
3 5
4 6
5 7
dtype: int32
print s.iloc[:3]
8 0
9 1
15 2
dtype: int32
print s.loc[:3]
8 0
9 1
15 2
1 3
2 4
3 5
dtype: int32
print s.ix[:,3]
8 0
9 1
15 2
1 3
2 4
3 5
dtype: int32
#可以看到.ix和.loc是相同的效果，把3当作是index当中的值，而iloc是打印的前三行。如果是s.ix[:7]，s.loc[:7]这样的没有的数，就会报错，而.iloc就会打印前7行。
#如果是DataFrame，.ix可以索引，位置混合使用，索引选行，列可以取位置切片。
df = DataFrame(np.arange(12).reshape(3,4),index = list('abc'),columns = ['d','e','f','g'])
print df
print df.ix[:'c',:3]
d e f g
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11
d e f
a 0 1 2
b 4 5 6
c 8 9 10
上面numpy，pandas有很多东西没说，还是要实战才容易记住，多多加油吧！