• Numpy pandas学习


    def test3():#numpy的nan值替换为列平均值
        t1=np.arange(12).reshape((3,4)).astype("float")
        t1[1,2:]=np.nan
        print("t1:")
        print(t1)
        for i in range(t1.shape[1]):#遍历列数
            temp_col=t1[:,i]#取一列
            temp_col_not_nan=temp_col[temp_col==temp_col]#当前一列不为nan,使用布尔索引
            print(temp_col==temp_col)
            print("temp_col_not_nan")
            print(temp_col_not_nan)
            temp_col[np.isnan(temp_col)]=temp_col_not_nan.mean()#将均值赋值给nan
            print("temp_col")
            print(temp_col)
            print("*"*100)
    
    def test4():#数组的拼接
        t1=np.arange(12).reshape((3,4))
        t2=np.arange(12,24).reshape((3,4))
        print("t1")
        print(t1)
        print("t2")
        print(t2)
        print(np.vstack((t1,t2)))#竖直拼接
        print(np.hstack((t1,t2)))#水平拼接
        print("*"*100)
        t1[[1,2],:]=t1[[2,1],:]#行交换
        print(t1)
        t1[:,[0,2]]=t1[:,[2,0]]#列交换
        print(t1)
        #获取最大值最小值的位置
        np.argmax(t1,axis=0)
        np.argmin(t1,axis=1)
        #创建全为0的数组
        np.zeros((3,4))
        #全为1的数组
        np.ones((3,4))
        #创建对角线为1的正方形数组
        np.eye(3)
        # t1=t2.copy() 复制,相互不影响
    
    def test5():#np的随机函数
        np.random.rand(2,3)#产生2行3列的均匀分布的随机数组
        np.random.randn(2,3)#标准正态分布数组
        np.random.randint(10,20,(3,4))#范围[10,20),三行四列的随机整数数组
        np.random.uniform(10,20,(3,4))#产生均匀分布数组
        np.random.seed(10)#设置随机种子
    
    
    def test1_pandas():#pandas基础
        t = pd.Series([1, 2, 3, 4, 5, 6, 7])  # Series 一维,带标签数组
        print(t)
        t2 = pd.Series([1, 2, 3, 4, 5], index=list("abcde"))  # 指定标签
        print(t2)
        temp_dict = {"name": "xiaohong", "age": 30, "tel": 10086}
        t3 = pd.Series(temp_dict)  # 通过字典创建
        print(t3)
        t3.index  # 索引
        t3.values  #
    
        # DataFrame
        t3 = pd.DataFrame(np.arange(12).reshape(3, 4))
        print(t3)
        # DataFrame对象既有行索引,又有列索引
        # 行索引,表明不同行,横向索引,叫index,0轴,axis=0
        # 列索引,表名不同列,纵向索引,叫columns,1轴,axis=1
        # ndim 维度属性
        t1 = pd.DataFrame(np.arange(12).reshape(3, 4), index=list("abc"), columns=list("WXYZ"))  # 指定行列的索引
        d1 = {"name": ["xiaoming", "xioahong"], "age": [10, 20], "tel": [100086, 10085]}
        print(pd.DataFrame(d1))  # 通过字典创建
        d2 = [{"name": "xiaohong", "age": 10, "tel": 10086}, {"name": "xiaownag", "age": 10, "tel": 10085}]
        pd.DataFrame(d2)
        t1.head(3)  # 显示头几行
        t1.tail(3)  # 显示末尾几行
        t1.info()  # 展示df的概览
        t1.describe()  # 快速进行统计:count,mean,std,min
        pass
    
    def test_pandas2():#pandas索引
        # pandas索引
        # loc通过标签获取
        t4 = pd.DataFrame(np.arange(12).reshape(3, 4), index=list("abc"), columns=list("WXYZ"))
        print(t4)
        print(t4.loc["a", "Z"])
        print(t4.loc["a", :])
        print(t4.loc[:, "Y"])
        print(t4.loc[["a", "c"], :])
        print(t4.loc[["a", "b"], ["W", "Z"]])
        # iloc通过位置获取
        print(t4.iloc[1, :])
        # 布尔索引
        print(t4[t4["W"] > 2])  # &,|
        # 缺失值处理
        t4.iloc[1] = np.nan
        t4.iloc[1, 2] = 2.0
        print(t4)
        print(pd.isnull(t4))  # 是否为空
        print(pd.notnull(t4))  # 是否不为空
        # 删除
        print(t4[pd.notnull(t4.iloc[:, 0])])  # 把nan所在的行去掉
        t4.dropna(axis=0, how="all", inplace=False)  # 删除nan所在行,all全为nan则删掉,any只要有一个就删掉,inplace是否对源数据修改
        # 填充
        t4.fillna(t4.mean())  # 填充均值
        pass
  • 相关阅读:
    GetForegroundWindow 与 GetActiveWindow 的区别 回复 "delphier" 的问题
    给 TStringGrid 添加鼠标拖动功能 回复 "dxx" 的问题
    Delphi 的编译指令(3): 常用的预定义条件标识符
    Delphi 的编译指令(1): $DEFINE、$UNDEF、$IFDEF、$ELSE、$ENDIF
    用多媒体库 Bass.dll 播放 mp3 [17] : 如何从内存流播放 回复 "小李子子" 的问题
    Delphi 的编译指令(4): 编译指令全表(未完)
    窗口跟随 回复 "heyongan" 的问题
    字符串转换到指定格式的宽字符 回复 "厨师" 的问题
    Dll 使用 PChar 参数的小例子 回复 "linximf" 的问题
    上周热点回顾(5.286.3)
  • 原文地址:https://www.cnblogs.com/fengchuiguobanxia/p/15568285.html
Copyright © 2020-2023  润新知