• python-day18(正式学习)


    numpy模块

    numpy简介

    numpy官方文档:https://docs.scipy.org/doc/numpy/reference/?v=20190307135750

    numpy是Python的一种开源的数值计算扩展库。这种库可用来存储和处理大型numpy数组,比Python自身的嵌套列表结构要高效的多(该结构也可以用来表示numpy数组)。

    numpy库有两个作用:

    1. 区别于list列表,提供了数组操作、数组运算、以及统计分布和简单的数学模型
    2. 计算速度快,甚至要由于python内置的简单运算,使得其成为pandas、sklearn等模块的依赖包。高级的框架如TensorFlow、PyTorch等,其数组操作也和numpy非常相似。

    为什么要用numpy

    lis1=[1,2,3]
    lis2=[4,5,6]
    

    当我们想让两个列表内的元素相乘时,如果不用numpy模块,就需要用一个for循环来进行元素的相乘并重新建一个列表来赋值。而使用了numpy则完全不一样了,接下来就让我们欣赏一下numpy模块的功能。

    创建numpy数组

    numpy数组即numpy的ndarray对象,创建numpy数组就是把一个列表传入np.array()方法

    arr=np.array([1,2,3])
    print(arr)
    arr1=np.array([[1,2,3],[4,5,6]])
    print(arr1)
    arr2=np.array([[[1,2,3],[4,5,6]],[[1,2,3],[4,5,6]],[[1,2,3],[4,5,6]]])
    print(arr2)
    

    创建一维二维和三维的numpy数组,在numpy中一般用二位比较多,三维及以上用其他模块

    numpy数组的基本属性

    属性 解释
    dtype 数组元素的数据类型
    size 数组元素的个数
    ndim 数组的维度
    shape 数组的维度大小(以元组形式)
    astype 类型转换

    dtype种类:bool_,int(8,16,32,64),float(16,32,64)

    arr=np.array([[1,2,3],[4,5,6]])
    print(arr,arr.dtype)
    print(arr.T)
    print(arr.size)
    print(arr.ndim)
    print(arr.shape)
    

    [[1 2 3]
    [4 5 6]] int32
    [[1 4]
    [2 5]
    [3 6]]
    6
    2
    (2, 3)

    获取numpy数组的行列数

    由于numpy数组是多维的,对于维的数组而言,numpy数组就是既有行又有列

    arr=np.array([[1,2,3],[4,5,6]])
    print(arr)
    print(arr.shape)
    print(arr.shape[0])
    print(arr.shape[1])
    

    [[1 2 3]
    [4 5 6]]
    (2, 3)
    2
    3

    切割numpy数组

    切分numpy数组类似于列表的切割,但与列表的切割不同的是,numpy数组的切割涉及到行和列的切割,但是两者的切割方式都是从索引0开始,并且取头不取尾

    arr=np.array([[1,2,3],[4,5,6]])
    print(arr)
    print(arr[:,:])
    print(arr[:1,1:])
    print(arr[0,:])
    print(arr[:,0])
    print(arr[arr>5])
    

    [[1 2 3]
    [4 5 6]]
    [[1 2 3]
    [4 5 6]]
    [[2 3]]
    [1 2 3]
    [1 4]
    [6]

    numpy数组元素替换

    numpy数组元素的替换,类似于列表元素的替换,并且numpy数组也是一个可变类型的数据,即如果对numpy数组进行替换操作,会修改原numpy数组的元素,所以下面我们用.copy()方法举例numpy数组元素的替换。

    arr=np.array([[1,2,3],[4,5,6]])
    arr1=arr.copy()
    arr1[:1,:]=0
    print(arr1)
    arr2=arr.copy()
    arr2[arr2>5]=0
    print(arr2)
    arr[:,:]=0
    print(arr)
    

    [[0 0 0]
    [4 5 6]]
    [[1 2 3]
    [4 5 0]]
    [[0 0 0]
    [0 0 0]]

    numpy数组的合并

    arr1 = np.array([[1, 2], [3, 4], [5, 6]])
    print(arr1)
    [[1 2]
     [3 4]
     [5 6]]
    arr2 = np.array([[7, 8], [9, 10], [11, 12]])
    print(arr2)
    [[ 7  8]
     [ 9 10]
     [11 12]]
    # 合并两个numpy数组的行,注意使用hstack()方法合并numpy数组,numpy数组应该有相同的行,其中hstack的h表示horizontal水平的
    print(np.hstack((arr1, arr2)))
    [[ 1  2  7  8]
     [ 3  4  9 10]
     [ 5  6 11 12]]
    # 合并两个numpy数组,其中axis=1表示合并两个numpy数组的行
    print(np.concatenate((arr1, arr2), axis=1))
    [[ 1  2  7  8]
     [ 3  4  9 10]
     [ 5  6 11 12]]
    # 合并两个numpy数组的列,注意使用vstack()方法合并numpy数组,numpy数组应该有相同的列,其中vstack的v表示vertical垂直的
    print(np.vstack((arr1, arr2)))
    [[ 1  2]
     [ 3  4]
     [ 5  6]
     [ 7  8]
     [ 9 10]
     [11 12]]
    # 合并两个numpy数组,其中axis=0表示合并两个numpy数组的列
    print(np.concatenate((arr1, arr2), axis=0))
    [[ 1  2]
     [ 3  4]
     [ 5  6]
     [ 7  8]
     [ 9 10]
     [11 12]]
    
    方法 详解
    array() 将列表转换为数组,可选择显式指定dtype
    arange() range的numpy版,支持浮点数
    linspace() 类似arange(),第三个参数为数组长度
    zeros() 根据指定形状和dtype创建全0数组
    ones() 根据指定形状和dtype创建全1数组
    eye() 创建单位矩阵
    empty() 创建一个元素全随机的数组
    reshape() 重塑形状

    array

    arr = np.array([1, 2, 3])
    print(arr)
    [1 2 3]
    

    arange

    # 构造0-9的ndarray数组
    print(np.arange(10))
    [0 1 2 3 4 5 6 7 8 9]
    # 构造1-4的ndarray数组
    print(np.arange(1, 5))
    [1 2 3 4]
    # 构造1-19且步长为2的ndarray数组
    print(np.arange(1, 20, 2))
    [ 1  3  5  7  9 11 13 15 17 19]
    

    linspace/logspace

    # 构造一个等差数列,取头也取尾,从0取到20,取5个数
    print(np.linspace(0, 20, 5))
    [ 0.  5. 10. 15. 20.]
    # 构造一个等比数列,从10**0取到10**20,取5个数
    print(np.logspace(0, 20, 5))
    [1.e+00 1.e+05 1.e+10 1.e+15 1.e+20]
    

    zeros/ones/eye/empty

    # 构造3*4的全0numpy数组
    print(np.zeros((3, 4)))
    [[0. 0. 0. 0.]
     [0. 0. 0. 0.]
     [0. 0. 0. 0.]]
    # 构造3*4的全1numpy数组
    print(np.ones((3, 4)))
    [[1. 1. 1. 1.]
     [1. 1. 1. 1.]
     [1. 1. 1. 1.]]
    # 构造3个主元的单位numpy数组
    print(np.eye(3))
    [[1. 0. 0.]
     [0. 1. 0.]
     [0. 0. 1.]]
    # 构造一个4*4的随机numpy数组,里面的元素是随机生成的
    print(np.empty((4, 4)))
    [[ 2.31584178e+077 -1.49457545e-154  3.95252517e-323  0.00000000e+000]
     [ 0.00000000e+000  0.00000000e+000  0.00000000e+000  0.00000000e+000]
     [ 0.00000000e+000  0.00000000e+000  0.00000000e+000  0.00000000e+000]
     [ 0.00000000e+000  0.00000000e+000  1.29074055e-231  1.11687366e-308]]
    

    reshape

    arr = np.ones([2, 2], dtype=int)
    print(arr.reshape(4, 1))
    [[1]
     [1]
     [1]
     [1]]
    

    fromstring/fromfunction(了解)

    # fromstring通过对字符串的字符编码所对应ASCII编码的位置,生成一个ndarray对象
    s = 'abcdef'
    # np.int8表示一个字符的字节数为8
    print(np.fromstring(s, dtype=np.int8))
    [ 97  98  99 100 101 102]
    
    
    /Applications/anaconda3/lib/python3.6/site-packages/ipykernel_launcher.py:4: DeprecationWarning: The binary mode of fromstring is deprecated, as it behaves surprisingly on unicode inputs. Use frombuffer instead
      after removing the cwd from sys.path.
    def func(i, j):
        """其中i为numpy数组的行,j为numpy数组的列"""
        return i * j
    
    
    # 使用函数对numpy数组元素的行和列的索引做处理,得到当前元素的值,索引从0开始,并构造一个3*4的numpy数组
    print(np.fromfunction(func, (3, 4)))
    [[0. 0. 0. 0.]
     [0. 1. 2. 3.]
     [0. 2. 4. 6.]]
    

    numpy数组的运算

    运算符 说明
    + 两个numpy数组对应元素相加
    - 两个numpy数组对应元素相减
    * 两个numpy数组对应元素相乘
    / 两个numpy数组对应元素相除,如果都是整数则取商
    % 两个numpy数组对应元素相除后取余数
    **n 单个numpy数组每个元素都取n次方,如**2:每个元素都取平方
    arrarr1 = np.array([[1, 2], [3, 4], [5, 6]])
    print(arr1)
    [[1 2]
     [3 4]
     [5 6]]
    arr2 = np.array([[7, 8], [9, 10], [11, 12]])
    print(arr2)
    [[ 7  8]
     [ 9 10]
     [11 12]]
    print(arr1 + arr2)
    [[ 8 10]
     [12 14]
     [16 18]]
    print(arr1**2)
    [[ 1  4]
     [ 9 16]
     [25 36]]
    

    numpy数组运算函数

    numpy数组函数 详解
    np.sin(arr) 对numpy数组arr中每个元素取正弦,sin(x)sin(x)
    np.cos(arr) 对numpy数组arr中每个元素取余弦,cos(x)cos(x)
    np.tan(arr) 对numpy数组arr中每个元素取正切,tan(x)tan(x)
    np.arcsin(arr) 对numpy数组arr中每个元素取反正弦,arcsi**n(x)arcsin(x)
    np.arccos(arr) 对numpy数组arr中每个元素取反余弦,arcco**s(x)arccos(x)
    np.arctan(arr) 对numpy数组arr中每个元素取反正切,arcta**n(x)arctan(x)
    np.exp(arr) 对numpy数组arr中每个元素取指数函数,e**xex
    np.sqrt(arr) 对numpy数组arr中每个元素开根号x

    一元函数:abs, sqrt, exp, log, ceil, floor, rint, trunc, modf, isnan, isinf, cos, sin, tan

    二元函数:add, substract, multiply, divide, power, mod, maximum, mininum

    arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
    print(arr)
    [[ 1  2  3  4]
     [ 5  6  7  8]
     [ 9 10 11 12]]
    # 对numpy数组的所有元素取正弦
    print(np.sin(arr))
    [[ 0.84147098  0.90929743  0.14112001 -0.7568025 ]
     [-0.95892427 -0.2794155   0.6569866   0.98935825]
     [ 0.41211849 -0.54402111 -0.99999021 -0.53657292]]
    # 对numpy数组的所有元素开根号
    print(np.sqrt(arr))
    [[1.         1.41421356 1.73205081 2.        ]
     [2.23606798 2.44948974 2.64575131 2.82842712]
     [3.         3.16227766 3.31662479 3.46410162]]
    # 对numpy数组的所有元素取反正弦,如果元素不在定义域内,则会取nan值
    print(np.arcsin(arr * 0.1))
    [[0.10016742 0.20135792 0.30469265 0.41151685]
     [0.52359878 0.64350111 0.7753975  0.92729522]
     [1.11976951 1.57079633        nan        nan]]
    
    
    /Applications/anaconda3/lib/python3.6/site-packages/ipykernel_launcher.py:2: RuntimeWarning: invalid value encountered in arcsin
      
    # 判断矩阵元素中是否含有np.nan值
    print(np.isnan(arr))
    [[False False False]
     [False False False]]
    

    numpy数组矩阵化

    numpy数组点乘

    numpy数组的点乘必须满足第一个numpy数组的列数等于第二个numpy数组的行数,即mnnm=mmm∗n·n∗m=m∗m 。

    arr1 = np.array([[1, 2, 3], [4, 5, 6]])
    print(arr1.shape)
    (2, 3)
    arr2 = np.array([[7, 8], [9, 10], [11, 12]])
    print(arr2.shape)
    (3, 2)
    assert arr1.shape[0] == arr2.shape[1]
    # 2*3·3*2 = 2*2
    print(arr2.shape)
    (3, 2)
    

    numpy数组转置

    numpy数组的转置,相当于numpy数组的行和列互换。

    arr = np.array([[1, 2, 3], [4, 5, 6]])
    print(arr)
    [[1 2 3]
     [4 5 6]]
    print(arr.transpose())
    [[1 4]
     [2 5]
     [3 6]]
    print(arr.T)
    [[1 4]
     [2 5]
     [3 6]]
    

    nummpy数组的逆

    numpy数组行和列相同时,numpy数组才可逆。

    arr = np.array([[1, 2, 3], [4, 5, 6], [9, 8, 9]])
    print(arr)
    [[1 2 3]
     [4 5 6]
     [9 8 9]]
    print(np.linalg.inv(arr))
    [[ 0.5        -1.          0.5       ]
     [-3.          3.         -1.        ]
     [ 2.16666667 -1.66666667  0.5       ]]
    # 单位numpy数组的逆是单位numpy数组本身
    arr = np.eye(3)
    print(arr)
    [[1. 0. 0.]
     [0. 1. 0.]
     [0. 0. 1.]]
    print(np.linalg.inv(arr))
    [[1. 0. 0.]
     [0. 1. 0.]
     [0. 0. 1.]]
    

    numpy数组数学和统计方法

    方法 详解
    sum 求和
    cumsum 累加求和
    mean 求平均数
    std 求标准差
    var 求方差
    min 求最小值
    max 求最大值
    argmin 求最小值索引
    argmax 求最大值索引
    sort 排序
    arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
    print(arr)
    [[1 2 3]
     [4 5 6]
     [7 8 9]]
    # 获取numpy数组所有元素中的最大值
    print(arr.max())
    9
    # 获取numpy数组所有元素中的最小值
    print(arr.min())
    1
    # 获取举着每一行的最大值
    print(arr.max(axis=0))
    [7 8 9]
    # 获取numpy数组每一列的最大值
    print(arr.max(axis=1))
    [3 6 9]
    # 获取numpy数组最大元素的索引位置
    print(arr.argmax(axis=1))
    [2 2 2]
    

    numpy.random生成随机数

    函数名称 函数功能 参数说明
    rand(d0,d1,⋯,d**nd0,d1,⋯,dn ) 产生均匀分布的随机数 d**ndn 为第n维数据的维度
    randn(d0,d1,⋯,d**nd0,d1,⋯,dn ) 产生标准正态分布随机数 d**ndn 为第n维数据的维度
    randint(low[, high, size, dtype]) 产生随机整数 low:最小值;high:最大值;size:数据个数
    random_sample([size]) 在[0,1)[0,1) 内产生随机数 size为随机数的shape,可以为元祖或者列表
    choice(a[, size]) 从arr中随机选择指定数据 arr为1维数组;size为数组形状
    uniform(low,high [,size]) 给定形状产生随机数组 low为最小值;high为最大值,size为数组形状
    shuffle(a) 与random.shuffle相同 a为指定数组

    点击查看源网页

    pandas模块

    pandas官方文档:https://pandas.pydata.org/pandas-docs/stable/?v=20190307135750

    pandas基于Numpy,可以看成是处理文本或者表格数据。pandas中有两个主要的数据结构,其中Series数据结构类似于Numpy中的一维数组,DataFrame类似于多维表格数据结构。

    pandas是python数据分析的核心模块。它主要提供了五大功能:

    1. 支持文件存取操作,支持数据库(sql)、html、json、pickle、csv(txt、excel)、sas、stata、hdf等。
    2. 支持增删改查、切片、高阶函数、分组聚合等单表操作,以及和dict、list的互相转换。
    3. 支持多表拼接合并操作。
    4. 支持简单的绘图操作。
    5. 支持简单的统计分析操作。

    一、Series数据结构

    Series是一种类似于一维数组的对象,由一组数据和一组与之相关的数据标签(索引)组成。

    Series比较像列表(数组)和字典的结合体

    import numpy as np
    import pandas as pd
    df = pd.Series(0, index=['a', 'b', 'c', 'd'])
    print(df)
    a    0
    b    0
    c    0
    d    0
    dtype: int64
    print(df.values)
    [0 0 0 0]
    print(df.index)
    Index(['a', 'b', 'c', 'd'], dtype='object')
    

    1.1 Series支持NumPy模块的特性(下标)

    详解 方法
    从ndarray创建Series Series(arr)
    与标量运算 df*2
    两个Series运算 df1+df2
    索引 df[0], df[[1,2,4]]
    切片 df[0:2]
    通用函数 np.abs(df)
    布尔值过滤 df[df>0]
    arr = np.array([1, 2, 3, 4, np.nan])
    print(arr)
    [ 1.  2.  3.  4. nan]
    df = pd.Series(arr, index=['a', 'b', 'c', 'd', 'e'])
    print(df)
    a    1.0
    b    2.0
    c    3.0
    d    4.0
    e    NaN
    dtype: float64
    print(df**2)
    a     1.0
    b     4.0
    c     9.0
    d    16.0
    e     NaN
    dtype: float64
    print(df[0])
    1.0
    print(df['a'])
    1.0
    print(df[[0, 1, 2]])
    a    1.0
    b    2.0
    c    3.0
    dtype: float64
    print(df[0:2])
    a    1.0
    b    2.0
    dtype: float64
    np.sin(df)
    a    0.841471
    b    0.909297
    c    0.141120
    d   -0.756802
    e         NaN
    dtype: float64
    df[df > 1]
    b    2.0
    c    3.0
    d    4.0
    dtype: float64
    

    1.2 Series支持字典的特性(标签)

    详解 方法
    从字典创建Series Series(dic),
    in运算 ’a’ in sr
    键索引 sr['a'], sr[['a', 'b', 'd']]
    df = pd.Series({'a': 1, 'b': 2})
    print(df)
    a    1
    b    2
    dtype: int64
    print('a' in df)
    True
    print(df['a'])
    1
    

    1.3 Series缺失数据处理

    方法 详解
    dropna() 过滤掉值为NaN的行
    fillna() 填充缺失数据
    isnull() 返回布尔数组,缺失值对应为True
    notnull() 返回布尔数组,缺失值对应为False
    df = pd.Series([1, 2, 3, 4, np.nan], index=['a', 'b', 'c', 'd', 'e'])
    print(df)
    a    1.0
    b    2.0
    c    3.0
    d    4.0
    e    NaN
    dtype: float64
    print(df.dropna())
    a    1.0
    b    2.0
    c    3.0
    d    4.0
    dtype: float64
    print(df.fillna(5))
    a    1.0
    b    2.0
    c    3.0
    d    4.0
    e    5.0
    dtype: float64
    print(df.isnull())
    a    False
    b    False
    c    False
    d    False
    e     True
    dtype: bool
    print(df.notnull())
    a     True
    b     True
    c     True
    d     True
    e    False
    dtype: bool
    

    二、DataFrame数据结构

    DataFrame是一个表格型的数据结构,含有一组有序的列。

    DataFrame可以被看做是由Series组成的字典,并且共用一个索引。

    2.1 产生时间对象数组:date_range

    date_range参数详解:

    参数 详解
    start 开始时间
    end 结束时间
    periods 时间长度
    freq 时间频率,默认为'D',可选H(our),W(eek),B(usiness),S(emi-)M(onth),(min)T(es), S(econd), A(year),…
    dates = pd.date_range('20190101', periods=6, freq='M')
    print(dates)
    DatetimeIndex(['2019-01-31', '2019-02-28', '2019-03-31', '2019-04-30',
                   '2019-05-31', '2019-06-30'],
                  dtype='datetime64[ns]', freq='M')
    np.random.seed(1)
    arr = 10 * np.random.randn(6, 4)
    print(arr)
    [[ 16.24345364  -6.11756414  -5.28171752 -10.72968622]
     [  8.65407629 -23.01538697  17.44811764  -7.61206901]
     [  3.19039096  -2.49370375  14.62107937 -20.60140709]
     [ -3.22417204  -3.84054355  11.33769442 -10.99891267]
     [ -1.72428208  -8.77858418   0.42213747   5.82815214]
     [-11.00619177  11.4472371    9.01590721   5.02494339]]
    df = pd.DataFrame(arr, index=dates, columns=['c1', 'c2', 'c3', 'c4'])
    df
    
    c1 c2 c3 c4
    2019-01-31 16.243454 -6.117564 -5.281718 -10.729686
    2019-02-28 8.654076 -23.015387 17.448118 -7.612069
    2019-03-31 3.190391 -2.493704 14.621079 -20.601407
    2019-04-30 -3.224172 -3.840544 11.337694 -10.998913
    2019-05-31 -1.724282 -8.778584 0.422137 5.828152
    2019-06-30 -11.006192 11.447237 9.015907 5.024943

    三、DataFrame属性

    属性 详解
    dtype是 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 按数据值来排序
    # 查看数据类型
    print(df2.dtypes)
    0    float64
    1    float64
    2    float64
    3    float64
    dtype: object
    df
    
    c1 c2 c3 c4
    2019-01-31 16.243454 -6.117564 -5.281718 -10.729686
    2019-02-28 8.654076 -23.015387 17.448118 -7.612069
    2019-03-31 3.190391 -2.493704 14.621079 -20.601407
    2019-04-30 -3.224172 -3.840544 11.337694 -10.998913
    2019-05-31 -1.724282 -8.778584 0.422137 5.828152
    2019-06-30 -11.006192 11.447237 9.015907 5.024943
    print(df.index)
    DatetimeIndex(['2019-01-31', '2019-02-28', '2019-03-31', '2019-04-30',
                   '2019-05-31', '2019-06-30'],
                  dtype='datetime64[ns]', freq='M')
    print(df.columns)
    Index(['c1', 'c2', 'c3', 'c4'], dtype='object')
    print(df.values)
    [[ 16.24345364  -6.11756414  -5.28171752 -10.72968622]
     [  8.65407629 -23.01538697  17.44811764  -7.61206901]
     [  3.19039096  -2.49370375  14.62107937 -20.60140709]
     [ -3.22417204  -3.84054355  11.33769442 -10.99891267]
     [ -1.72428208  -8.77858418   0.42213747   5.82815214]
     [-11.00619177  11.4472371    9.01590721   5.02494339]]
    df.describe()
    
    c1 c2 c3 c4
    count 6.000000 6.000000 6.000000 6.000000
    mean 2.022213 -5.466424 7.927203 -6.514830
    std 9.580084 11.107772 8.707171 10.227641
    min -11.006192 -23.015387 -5.281718 -20.601407
    25% -2.849200 -8.113329 2.570580 -10.931606
    50% 0.733054 -4.979054 10.176801 -9.170878
    75% 7.288155 -2.830414 13.800233 1.865690
    max 16.243454 11.447237 17.448118 5.828152
    df.T
    
    2019-01-31 00:00:00 2019-02-28 00:00:00 2019-03-31 00:00:00 2019-04-30 00:00:00 2019-05-31 00:00:00 2019-06-30 00:00:00
    c1 16.243454 8.654076 3.190391 -3.224172 -1.724282 -11.006192
    c2 -6.117564 -23.015387 -2.493704 -3.840544 -8.778584 11.447237
    c3 -5.281718 17.448118 14.621079 11.337694 0.422137 9.015907
    c4 -10.729686 -7.612069 -20.601407 -10.998913 5.828152 5.024943
    # 按行标签[c1, c2, c3, c4]从大到小排序
    df.sort_index(axis=0)
    
    c1 c2 c3 c4
    2019-01-31 16.243454 -6.117564 -5.281718 -10.729686
    2019-02-28 8.654076 -23.015387 17.448118 -7.612069
    2019-03-31 3.190391 -2.493704 14.621079 -20.601407
    2019-04-30 -3.224172 -3.840544 11.337694 -10.998913
    2019-05-31 -1.724282 -8.778584 0.422137 5.828152
    2019-06-30 -11.006192 11.447237 9.015907 5.024943
    # 按列标签[2019-01-01, 2019-01-02...]从大到小排序
    df.sort_index(axis=1)
    
    c1 c2 c3 c4
    2019-01-31 16.243454 -6.117564 -5.281718 -10.729686
    2019-02-28 8.654076 -23.015387 17.448118 -7.612069
    2019-03-31 3.190391 -2.493704 14.621079 -20.601407
    2019-04-30 -3.224172 -3.840544 11.337694 -10.998913
    2019-05-31 -1.724282 -8.778584 0.422137 5.828152
    2019-06-30 -11.006192 11.447237 9.015907 5.024943
    # 按c2列的值从大到小排序
    df.sort_values(by='c2')
    
    c1 c2 c3 c4
    2019-02-28 8.654076 -23.015387 17.448118 -7.612069
    2019-05-31 -1.724282 -8.778584 0.422137 5.828152
    2019-01-31 16.243454 -6.117564 -5.281718 -10.729686
    2019-04-30 -3.224172 -3.840544 11.337694 -10.998913
    2019-03-31 3.190391 -2.493704 14.621079 -20.601407
    2019-06-30 -11.006192 11.447237 9.015907 5.024943

    四、DataFrame取值

    df
    
    c1 c2 c3 c4
    2019-01-31 16.243454 -6.117564 -5.281718 -10.729686
    2019-02-28 8.654076 -23.015387 17.448118 -7.612069
    2019-03-31 3.190391 -2.493704 14.621079 -20.601407
    2019-04-30 -3.224172 -3.840544 11.337694 -10.998913
    2019-05-31 -1.724282 -8.778584 0.422137 5.828152
    2019-06-30 -11.006192 11.447237 9.015907 5.024943

    4.1 通过columns取值

    df['c2']
    2019-01-31    -6.117564
    2019-02-28   -23.015387
    2019-03-31    -2.493704
    2019-04-30    -3.840544
    2019-05-31    -8.778584
    2019-06-30    11.447237
    Freq: M, Name: c2, dtype: float64
    df[['c2', 'c3']]
    
    c2 c3
    2019-01-31 -6.117564 -5.281718
    2019-02-28 -23.015387 17.448118
    2019-03-31 -2.493704 14.621079
    2019-04-30 -3.840544 11.337694
    2019-05-31 -8.778584 0.422137
    2019-06-30 11.447237 9.015907

    4.2 loc(通过行标签取值)

    # 通过自定义的行标签选择数据
    df.loc['2019-01-01':'2019-01-03']
    
    c1 c2 c3 c4
    df[0:3]
    
    c1 c2 c3 c4
    2019-01-31 16.243454 -6.117564 -5.281718 -10.729686
    2019-02-28 8.654076 -23.015387 17.448118 -7.612069
    2019-03-31 3.190391 -2.493704 14.621079 -20.601407

    4.3 iloc(类似于numpy数组取值)

    df.values
    array([[ 16.24345364,  -6.11756414,  -5.28171752, -10.72968622],
           [  8.65407629, -23.01538697,  17.44811764,  -7.61206901],
           [  3.19039096,  -2.49370375,  14.62107937, -20.60140709],
           [ -3.22417204,  -3.84054355,  11.33769442, -10.99891267],
           [ -1.72428208,  -8.77858418,   0.42213747,   5.82815214],
           [-11.00619177,  11.4472371 ,   9.01590721,   5.02494339]])
    # 通过行索引选择数据
    print(df.iloc[2, 1])
    -2.493703754774101
    df.iloc[1:4, 1:4]
    
    c2 c3 c4
    2019-02-28 -23.015387 17.448118 -7.612069
    2019-03-31 -2.493704 14.621079 -20.601407
    2019-04-30 -3.840544 11.337694 -10.998913

    4.4 使用逻辑判断取值

    df[df['c1'] > 0]
    
    c1 c2 c3 c4
    2019-01-31 16.243454 -6.117564 -5.281718 -10.729686
    2019-02-28 8.654076 -23.015387 17.448118 -7.612069
    2019-03-31 3.190391 -2.493704 14.621079 -20.601407
    df[(df['c1'] > 0) & (df['c2'] > -8)]
    
    c1 c2 c3 c4
    2019-01-31 16.243454 -6.117564 -5.281718 -10.729686
    2019-03-31 3.190391 -2.493704 14.621079 -20.601407

    五、DataFrame值替换

    df
    
    c1 c2 c3 c4
    2019-01-31 16.243454 -6.117564 -5.281718 -10.729686
    2019-02-28 8.654076 -23.015387 17.448118 -7.612069
    2019-03-31 3.190391 -2.493704 14.621079 -20.601407
    2019-04-30 -3.224172 -3.840544 11.337694 -10.998913
    2019-05-31 -1.724282 -8.778584 0.422137 5.828152
    2019-06-30 -11.006192 11.447237 9.015907 5.024943
    df.iloc[0:3, 0:2] = 0
    df
    
    c1 c2 c3 c4
    2019-01-31 0.000000 0.000000 -5.281718 -10.729686
    2019-02-28 0.000000 0.000000 17.448118 -7.612069
    2019-03-31 0.000000 0.000000 14.621079 -20.601407
    2019-04-30 -3.224172 -3.840544 11.337694 -10.998913
    2019-05-31 -1.724282 -8.778584 0.422137 5.828152
    2019-06-30 -11.006192 11.447237 9.015907 5.024943
    df['c3'] > 10
    2019-01-31    False
    2019-02-28     True
    2019-03-31     True
    2019-04-30     True
    2019-05-31    False
    2019-06-30    False
    Freq: M, Name: c3, dtype: bool
    # 针对行做处理
    df[df['c3'] > 10] = 100
    df
    
    c1 c2 c3 c4
    2019-01-31 0.000000 0.000000 -5.281718 -10.729686
    2019-02-28 100.000000 100.000000 100.000000 100.000000
    2019-03-31 100.000000 100.000000 100.000000 100.000000
    2019-04-30 100.000000 100.000000 100.000000 100.000000
    2019-05-31 -1.724282 -8.778584 0.422137 5.828152
    2019-06-30 -11.006192 11.447237 9.015907 5.024943
    # 针对行做处理
    df = df.astype(np.int32)
    df[df['c3'].isin([100])] = 1000
    df
    
    c1 c2 c3 c4
    2019-01-31 0 0 -5 -10
    2019-02-28 1000 1000 1000 1000
    2019-03-31 1000 1000 1000 1000
    2019-04-30 1000 1000 1000 1000
    2019-05-31 -1 -8 0 5
    2019-06-30 -11 11 9 5

    六、读取CSV文件

    import pandas as pd
    from io import StringIO
    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,
    ,,,
    '''
    
    test_data = StringIO(test_data)
    df = pd.read_csv(test_data, header=None)
    df.columns = ['c1', 'c2', 'c3', 'c4']
    df
    
    c1 c2 c3 c4
    0 5.1 NaN 1.4 0.2
    1 4.9 3.0 1.4 0.2
    2 4.7 3.2 NaN 0.2
    3 7.0 3.2 4.7 1.4
    4 6.4 3.2 4.5 1.5
    5 6.9 3.1 4.9 NaN
    6 NaN NaN NaN NaN

    七、处理丢失数据

    df.isnull()
    
    c1 c2 c3 c4
    0 False True False False
    1 False False False False
    2 False False True False
    3 False False False False
    4 False False False False
    5 False False False True
    6 True True True True
    # 通过在isnull()方法后使用sum()方法即可获得该数据集某个特征含有多少个缺失值
    print(df.isnull().sum())
    c1    1
    c2    2
    c3    2
    c4    2
    dtype: int64
    # axis=0删除有NaN值的行
    df.dropna(axis=0)
    
    c1 c2 c3 c4
    1 4.9 3.0 1.4 0.2
    3 7.0 3.2 4.7 1.4
    4 6.4 3.2 4.5 1.5
    # axis=1删除有NaN值的列
    df.dropna(axis=1)
    
    0
    1
    2
    3
    4
    5
    6
    # 删除全为NaN值得行或列
    df.dropna(how='all')
    
    c1 c2 c3 c4
    0 5.1 NaN 1.4 0.2
    1 4.9 3.0 1.4 0.2
    2 4.7 3.2 NaN 0.2
    3 7.0 3.2 4.7 1.4
    4 6.4 3.2 4.5 1.5
    5 6.9 3.1 4.9 NaN
    # 删除行不为4个值的
    df.dropna(thresh=4)
    
    c1 c2 c3 c4
    1 4.9 3.0 1.4 0.2
    3 7.0 3.2 4.7 1.4
    4 6.4 3.2 4.5 1.5
    # 删除c2中有NaN值的行
    df.dropna(subset=['c2'])
    
    c1 c2 c3 c4
    1 4.9 3.0 1.4 0.2
    2 4.7 3.2 NaN 0.2
    3 7.0 3.2 4.7 1.4
    4 6.4 3.2 4.5 1.5
    5 6.9 3.1 4.9 NaN
    # 填充nan值
    df.fillna(value=10)
    
    c1 c2 c3 c4
    0 5.1 10.0 1.4 0.2
    1 4.9 3.0 1.4 0.2
    2 4.7 3.2 10.0 0.2
    3 7.0 3.2 4.7 1.4
    4 6.4 3.2 4.5 1.5
    5 6.9 3.1 4.9 10.0
    6 10.0 10.0 10.0 10.0

    八、合并数据

    df1 = pd.DataFrame(np.zeros((3, 4)))
    df1
    
    0 1 2 3
    0 0.0 0.0 0.0 0.0
    1 0.0 0.0 0.0 0.0
    2 0.0 0.0 0.0 0.0
    df2 = pd.DataFrame(np.ones((3, 4)))
    df2
    
    0 1 2 3
    0 1.0 1.0 1.0 1.0
    1 1.0 1.0 1.0 1.0
    2 1.0 1.0 1.0 1.0
    # axis=0合并列
    pd.concat((df1, df2), axis=0)
    
    0 1 2 3
    0 0.0 0.0 0.0 0.0
    1 0.0 0.0 0.0 0.0
    2 0.0 0.0 0.0 0.0
    0 1.0 1.0 1.0 1.0
    1 1.0 1.0 1.0 1.0
    2 1.0 1.0 1.0 1.0
    # axis=1合并行
    pd.concat((df1, df2), axis=1)
    
    0 1 2 3 0 1 2 3
    0 0.0 0.0 0.0 0.0 1.0 1.0 1.0 1.0
    1 0.0 0.0 0.0 0.0 1.0 1.0 1.0 1.0
    2 0.0 0.0 0.0 0.0 1.0 1.0 1.0 1.0
    # append只能合并列
    df1.append(df2)
    
    0 1 2 3
    0 0.0 0.0 0.0 0.0
    1 0.0 0.0 0.0 0.0
    2 0.0 0.0 0.0 0.0
    0 1.0 1.0 1.0 1.0
    1 1.0 1.0 1.0 1.0
    2 1.0 1.0 1.0 1.0

    九、导入导出数据

    使用df = pd.read_excel(filename)读取文件,使用df.to_excel(filename)保存文件。

    9.1 读取文件导入数据

    读取文件导入数据函数主要参数:

    参数 详解
    sep 指定分隔符,可用正则表达式如's+'
    header=None 指定文件无行名
    name 指定列名
    index_col 指定某列作为索引
    skip_row 指定跳过某些行
    na_values 指定某些字符串表示缺失值
    parse_dates 指定某些列是否被解析为日期,布尔值或列表
    df = pd.read_excel(filename)
    df = pd.read_csv(filename)
    

    9.2 写入文件导出数据

    写入文件函数的主要参数:

    参数 详解
    sep 分隔符
    na_rep 指定缺失值转换的字符串,默认为空字符串
    header=False 不保存列名
    index=False 不保存行索引
    cols 指定输出的列,传入列表
    df.to_excel(filename)
    

    十、pandas读取json文件

    strtext = '[{"ttery":"min","issue":"20130801-3391","code":"8,4,5,2,9","code1":"297734529","code2":null,"time":1013395466000},
    {"ttery":"min","issue":"20130801-3390","code":"7,8,2,1,2","code1":"298058212","code2":null,"time":1013395406000},
    {"ttery":"min","issue":"20130801-3389","code":"5,9,1,2,9","code1":"298329129","code2":null,"time":1013395346000},
    {"ttery":"min","issue":"20130801-3388","code":"3,8,7,3,3","code1":"298588733","code2":null,"time":1013395286000},
    {"ttery":"min","issue":"20130801-3387","code":"0,8,5,2,7","code1":"298818527","code2":null,"time":1013395226000}]'
    
    df = pd.read_json(strtext, orient='records')
    df
    
    code code1 code2 issue time ttery
    0 8,4,5,2,9 297734529 NaN 20130801-3391 1013395466000 min
    1 7,8,2,1,2 298058212 NaN 20130801-3390 1013395406000 min
    2 5,9,1,2,9 298329129 NaN 20130801-3389 1013395346000 min
    3 3,8,7,3,3 298588733 NaN 20130801-3388 1013395286000 min
    4 0,8,5,2,7 298818527 NaN 20130801-3387 1013395226000 min
    df.to_excel('pandas处理json.xlsx',
                index=False,
                columns=["ttery", "issue", "code", "code1", "code2", "time"])
    

    10.1 orient参数的五种形式

    orient是表明预期的json字符串格式。orient的设置有以下五个值:

    1.'split' : dict like {index -> [index], columns -> [columns], data -> [values]}

    这种就是有索引,有列字段,和数据矩阵构成的json格式。key名称只能是index,columns和data。

    s = '{"index":[1,2,3],"columns":["a","b"],"data":[[1,3],[2,8],[3,9]]}'
    df = pd.read_json(s, orient='split')
    df
    
    a b
    1 1 3
    2 2 8
    3 3 9

    2.'records' : list like [{column -> value}, ... , {column -> value}]

    这种就是成员为字典的列表。如我今天要处理的json数据示例所见。构成是列字段为键,值为键值,每一个字典成员就构成了dataframe的一行数据。

    strtext = '[{"ttery":"min","issue":"20130801-3391","code":"8,4,5,2,9","code1":"297734529","code2":null,"time":1013395466000},
    {"ttery":"min","issue":"20130801-3390","code":"7,8,2,1,2","code1":"298058212","code2":null,"time":1013395406000}]'
    
    df = pd.read_json(strtext, orient='records')
    df
    
    code code1 code2 issue time ttery
    0 8,4,5,2,9 297734529 NaN 20130801-3391 1013395466000 min
    1 7,8,2,1,2 298058212 NaN 20130801-3390 1013395406000 min

    3.'index' : dict like {index -> {column -> value}}

    以索引为key,以列字段构成的字典为键值。如:

    s = '{"0":{"a":1,"b":2},"1":{"a":9,"b":11}}'
    df = pd.read_json(s, orient='index')
    df
    
    a b
    0 1 2
    1 9 11

    4.'columns' : dict like {column -> {index -> value}}

    这种处理的就是以列为键,对应一个值字典的对象。这个字典对象以索引为键,以值为键值构成的json字符串。如下图所示:

    s = '{"a":{"0":1,"1":9},"b":{"0":2,"1":11}}'
    df = pd.read_json(s, orient='columns')
    df
    
    a b
    0 1 2
    1 9 11

    5.'values' : just the values array。

    values这种我们就很常见了。就是一个嵌套的列表。里面的成员也是列表,2层的。

    s = '[["a",1],["b",2]]'
    df = pd.read_json(s, orient='values')
    df
    
    0 1
    0 a 1
    1 b 2

    十一、pandas读取sql语句

    import numpy as np
    import pandas as pd
    import pymysql
    
    
    def conn(sql):
        # 连接到mysql数据库
        conn = pymysql.connect(
            host="localhost",
            port=3306,
            user="root",
            passwd="123",
            db="db1",
        )
        try:
            data = pd.read_sql(sql, con=conn)
            return data
        except Exception as e:
            print("SQL is not correct!")
        finally:
            conn.close()
    
    
    sql = "select * from test1 limit 0, 10"  # sql语句
    data = conn(sql)
    print(data.columns.tolist())  # 查看字段
    print(data)  # 查看数据
    

    点击查看源网页

    matplotlib模块

    matplotlib官方文档:https://matplotlib.org/contents.html?v=20190307135750

    matplotlib是一个绘图库,它可以创建常用的统计图,包括条形图、箱型图、折线图、散点图、饼图和直方图。

    一、条形图

    import matplotlib.pyplot as plt
    from matplotlib.font_manager import FontProperties
    %matplotlib inline
    font = FontProperties(fname='/Library/Fonts/Heiti.ttc')
    
    # 修改背景为条纹
    plt.style.use('ggplot')
    
    classes = ['3班', '4班', '5班', '6班']
    
    classes_index = range(len(classes))
    print(list(classes_index))
    [0, 1, 2, 3]
    student_amounts = [66, 55, 45, 70]
    
    # 画布设置
    fig = plt.figure()
    # 1,1,1表示一张画布切割成1行1列共一张图的第1个;2,2,1表示一张画布切割成2行2列共4张图的第一个(左上角)
    ax1 = fig.add_subplot(1, 1, 1)
    ax1.bar(classes_index, student_amounts, align='center', color='darkblue')
    ax1.xaxis.set_ticks_position('bottom')
    ax1.yaxis.set_ticks_position('left')
    
    plt.xticks(classes_index,
               classes,
               rotation=0,
               fontsize=13,
               fontproperties=font)
    plt.xlabel('班级', fontproperties=font, fontsize=15)
    plt.ylabel('学生人数', fontproperties=font, fontsize=15)
    plt.title('班级-学生人数', fontproperties=font, fontsize=20)
    # 保存图片,bbox_inches='tight'去掉图形四周的空白
    # plt.savefig('classes_students.png?x-oss-process=style/watermark', dpi=400, bbox_inches='tight')
    plt.show()
    

    img

    二、直方图

    import numpy as np
    import matplotlib.pyplot as plt
    from matplotlib.font_manager import FontProperties
    %matplotlib inline
    font = FontProperties(fname='/Library/Fonts/Heiti.ttc')
    
    # 修改背景为条纹
    plt.style.use('ggplot')
    
    mu1, mu2, sigma = 50, 100, 10
    # 构造均值为50的符合正态分布的数据
    x1 = mu1 + sigma * np.random.randn(10000)
    print(x1)
    [59.00855949 43.16272141 48.77109774 ... 57.94645859 54.70312714
     58.94125528]
    # 构造均值为100的符合正态分布的数据
    x2 = mu2 + sigma * np.random.randn(10000)
    print(x2)
    [115.19915511  82.09208214 110.88092454 ...  95.0872103  104.21549068
     133.36025251]
    fig = plt.figure()
    ax1 = fig.add_subplot(121)
    # bins=50表示每个变量的值分成50份,即会有50根柱子
    ax1.hist(x1, bins=50, color='darkgreen')
    
    ax2 = fig.add_subplot(122)
    ax2.hist(x2, bins=50, color='orange')
    
    fig.suptitle('两个正态分布', fontproperties=font, fontweight='bold', fontsize=15)
    ax1.set_title('绿色的正态分布', fontproperties=font)
    ax2.set_title('橙色的正态分布', fontproperties=font)
    plt.show()
    

    img

    三、折线图

    import numpy as np
    from numpy.random import randn
    import matplotlib.pyplot as plt
    from matplotlib.font_manager import FontProperties
    %matplotlib inline
    font = FontProperties(fname='/Library/Fonts/Heiti.ttc')
    
    # 修改背景为条纹
    plt.style.use('ggplot')
    
    np.random.seed(1)
    
    # 使用numpy的累加和,保证数据取值范围不会在(0,1)内波动
    plot_data1 = randn(40).cumsum()
    print(plot_data1)
    [ 1.62434536  1.01258895  0.4844172  -0.58855142  0.2768562  -2.02468249
     -0.27987073 -1.04107763 -0.72203853 -0.97140891  0.49069903 -1.56944168
     -1.89185888 -2.27591324 -1.1421438  -2.24203506 -2.41446327 -3.29232169
     -3.25010794 -2.66729273 -3.76791191 -2.6231882  -1.72159748 -1.21910314
     -0.31824719 -1.00197505 -1.12486527 -2.06063471 -2.32852279 -1.79816732
     -2.48982807 -2.8865816  -3.5737543  -4.41895994 -5.09020607 -5.10287067
     -6.22018102 -5.98576532 -4.32596314 -3.58391898]
    plot_data2 = randn(40).cumsum()
    plot_data3 = randn(40).cumsum()
    plot_data4 = randn(40).cumsum()
    
    plt.plot(plot_data1, marker='o', color='red', linestyle='-', label='红实线')
    plt.plot(plot_data2, marker='x', color='orange', linestyle='--', label='橙虚线')
    plt.plot(plot_data3, marker='*', color='yellow', linestyle='-.', label='黄点线')
    plt.plot(plot_data4, marker='s', color='green', linestyle=':', label='绿点图')
    
    # loc='best'给label自动选择最好的位置
    plt.legend(loc='best', prop=font)
    plt.show()
    

    img

    四、散点图+直线图

    import numpy as np
    from numpy.random import randn
    import matplotlib.pyplot as plt
    from matplotlib.font_manager import FontProperties
    %matplotlib inline
    font = FontProperties(fname='/Library/Fonts/Heiti.ttc')
    
    # 修改背景为条纹
    plt.style.use('ggplot')
    
    x = np.arange(1, 20, 1)
    print(x)
    [ 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19]
    # 拟合一条水平散点线
    np.random.seed(1)
    y_linear = x + 10 * np.random.randn(19)
    print(y_linear)
    [ 17.24345364  -4.11756414  -2.28171752  -6.72968622  13.65407629
     -17.01538697  24.44811764   0.38793099  12.19039096   7.50629625
      25.62107937  -8.60140709   9.77582796  10.15945645  26.33769442
       5.00108733  15.27571792   9.22141582  19.42213747]
    # 拟合一条x²的散点线
    y_quad = x**2 + 10 * np.random.randn(19)
    print(y_quad)
    [  6.82815214  -7.00619177  20.4472371   25.01590721  30.02494339
      45.00855949  42.16272141  62.77109774  71.64230566  97.3211192
     126.30355467 137.08339248 165.03246473 189.128273   216.54794359
     249.28753869 288.87335401 312.82689651 363.34415698]
    # s是散点大小
    fig = plt.figure()
    ax1 = fig.add_subplot(121)
    plt.scatter(x, y_linear, s=30, color='r', label='蓝点')
    plt.scatter(x, y_quad, s=100, color='b', label='红点')
    
    ax2 = fig.add_subplot(122)
    plt.plot(x, y_linear, color='r')
    plt.plot(x, y_quad, color='b')
    
    # 限制x轴和y轴的范围取值
    plt.xlim(min(x) - 1, max(x) + 1)
    plt.ylim(min(y_quad) - 10, max(y_quad) + 10)
    fig.suptitle('散点图+直线图', fontproperties=font, fontsize=20)
    ax1.set_title('散点图', fontproperties=font)
    ax1.legend(prop=font)
    ax2.set_title('直线图', fontproperties=font)
    plt.show()
    

    img

    五、饼图

    import numpy as np
    import matplotlib.pyplot as plt
    from pylab import mpl
    mpl.rcParams['font.sans-serif'] = ['SimHei']
    
    fig, ax = plt.subplots(subplot_kw=dict(aspect="equal"))
    
    recipe = ['优', '良', '轻度污染', '中度污染', '重度污染', '严重污染', '缺']
    
    data = [2, 49, 21, 9, 11, 6, 2]
    colors = ['lime', 'yellow', 'darkorange', 'red', 'purple', 'maroon', 'grey']
    wedges, texts, texts2 = ax.pie(data,
                                   wedgeprops=dict(width=0.5),
                                   startangle=40,
                                   colors=colors,
                                   autopct='%1.0f%%',
                                   pctdistance=0.8)
    plt.setp(texts2, size=14, weight="bold")
    
    bbox_props = dict(boxstyle="square,pad=0.3", fc="w", ec="k", lw=0.72)
    kw = dict(xycoords='data',
              textcoords='data',
              arrowprops=dict(arrowstyle="->"),
              bbox=None,
              zorder=0,
              va="center")
    
    for i, p in enumerate(wedges):
        ang = (p.theta2 - p.theta1) / 2. + p.theta1
        y = np.sin(np.deg2rad(ang))
        x = np.cos(np.deg2rad(ang))
        horizontalalignment = {-1: "right", 1: "left"}[int(np.sign(x))]
        connectionstyle = "angle,angleA=0,angleB={}".format(ang)
        kw["arrowprops"].update({"connectionstyle": connectionstyle})
        ax.annotate(recipe[i],
                    xy=(x, y),
                    xytext=(1.25 * np.sign(x), 1.3 * y),
                    size=16,
                    horizontalalignment=horizontalalignment,
                    fontproperties=font,
                    **kw)
    
    ax.set_title("饼图示例",fontproperties=font)
    
    plt.show()
    # plt.savefig('jiaopie2.png?x-oss-process=style/watermark')
    

    img

    六、箱型图

    箱型图:又称为盒须图、盒式图、盒状图或箱线图,是一种用作显示一组数据分散情况资料的统计图(在数据分析中常用在异常值检测)

    包含一组数据的:最大值、最小值、中位数、上四分位数(Q3)、下四分位数(Q1)、异常值

    1. 中位数 → 一组数据平均分成两份,中间的数
    2. 上四分位数Q1 → 是将序列平均分成四份,计算(n+1)/4与(n-1)/4两种,一般使用(n+1)/4
    3. 下四分位数Q3 → 是将序列平均分成四份,计算(1+n)/4*3=6.75
    4. 内限 → T形的盒须就是内限,最大值区间Q3+1.5IQR,最小值区间Q1-1.5IQR (IQR=Q3-Q1)
    5. 外限 → T形的盒须就是内限,最大值区间Q3+3IQR,最小值区间Q1-3IQR (IQR=Q3-Q1)
    6. 异常值 → 内限之外 - 中度异常,外限之外 - 极度异常
    import numpy as np
    import pandas as pd
    from numpy.random import randn
    import matplotlib.pyplot as plt
    from matplotlib.font_manager import FontProperties
    %matplotlib inline
    font = FontProperties(fname='/Library/Fonts/Heiti.ttc')
    df = pd.DataFrame(np.random.rand(10, 5), columns=['A', 'B', 'C', 'D', 'E'])
    plt.figure(figsize=(10, 4))
    # 创建图表、数据
    
    f = df.boxplot(
        sym='o',  # 异常点形状,参考marker
        vert=True,  # 是否垂直
        whis=1.5,  # IQR,默认1.5,也可以设置区间比如[5,95],代表强制上下边缘为数据95%和5%位置
        patch_artist=True,  # 上下四分位框内是否填充,True为填充
        meanline=False,
        showmeans=True,  # 是否有均值线及其形状
        showbox=True,  # 是否显示箱线
        showcaps=True,  # 是否显示边缘线
        showfliers=True,  # 是否显示异常值
        notch=False,  # 中间箱体是否缺口
        return_type='dict'  # 返回类型为字典
    )
    plt.title('boxplot')
    
    for box in f['boxes']:
        box.set(color='b', linewidth=1)  # 箱体边框颜色
        box.set(facecolor='b', alpha=0.5)  # 箱体内部填充颜色
    for whisker in f['whiskers']:
        whisker.set(color='k', linewidth=0.5, linestyle='-')
    for cap in f['caps']:
        cap.set(color='gray', linewidth=2)
    for median in f['medians']:
        median.set(color='DarkBlue', linewidth=2)
    for flier in f['fliers']:
        flier.set(marker='o', color='y', alpha=0.5)
    # boxes, 箱线
    # medians, 中位值的横线,
    # whiskers, 从box到error bar之间的竖线.
    # fliers, 异常值
    # caps, error bar横线
    # means, 均值的横线
    

    img

    七、plot函数参数

    • 线型linestyle(-,-.,--,..)
    • 点型marker(v,^,s,*,H,+,x,D,o,…)
    • 颜色color(b,g,r,y,k,w,…)

    八、图像标注参数

    • 设置图像标题:plt.title()
    • 设置x轴名称:plt.xlabel()
    • 设置y轴名称:plt.ylabel()
    • 设置X轴范围:plt.xlim()
    • 设置Y轴范围:plt.ylim()
    • 设置X轴刻度:plt.xticks()
    • 设置Y轴刻度:plt.yticks()
    • 设置曲线图例:plt.legend()

    九、Matplolib应用

    import pandas as pd
    import matplotlib.pyplot as plt
    from matplotlib.font_manager import FontProperties
    %matplotlib inline
    
    # 找到自己电脑的字体路径,然后修改字体路径
    font = FontProperties(fname='/Library/Fonts/Heiti.ttc')
    
    header_list = ['方程组', '函数', '导数', '微积分', '线性代数', '概率论', '统计学']
    py3_df = pd.read_excel('py3.xlsx', header=None,
                           skiprows=[0, 1], names=header_list)
    # 处理带有NaN的行
    py3_df = py3_df.dropna(axis=0)
    print(py3_df)
    
    # 自定义映射
    map_dict = {
        '不会': 0,
        '了解': 1,
        '熟悉': 2,
        '使用过': 3,
    }
    
    for header in header_list:
        py3_df[header] = py3_df[header].map(map_dict)
    
    unable_series = (py3_df == 0).sum(axis=0)
    know_series = (py3_df == 1).sum(axis=0)
    familiar_series = (py3_df == 2).sum(axis=0)
    use_series = (py3_df == 3).sum(axis=0)
    
    unable_label = '不会'
    know_label = '了解'
    familiar_label = '熟悉'
    use_label = '使用过'
    for i in range(len(header_list)):
        bottom = 0
    
        # 描绘不会的条形图
        plt.bar(x=header_list[i], height=unable_series[i],
                width=0.60, color='r', label=unable_label)
        if unable_series[i] != 0:
            plt.text(header_list[i], bottom, s=unable_series[i],
                     ha='center', va='bottom', fontsize=15, color='white')
        bottom += unable_series[i]
    
        # 描绘了解的条形图
        plt.bar(x=header_list[i], height=know_series[i],
                width=0.60, color='y', bottom=bottom, label=know_label)
        if know_series[i] != 0:
            plt.text(header_list[i], bottom, s=know_series[i],
                     ha='center', va='bottom', fontsize=15, color='white')
        bottom += know_series[i]
    
        # 描绘熟悉的条形图
        plt.bar(x=header_list[i], height=familiar_series[i],
                width=0.60, color='g', bottom=bottom, label=familiar_label)
        if familiar_series[i] != 0:
            plt.text(header_list[i], bottom, s=familiar_series[i],
                     ha='center', va='bottom', fontsize=15, color='white')
        bottom += familiar_series[i]
    
        # 描绘使用过的条形图
        plt.bar(x=header_list[i], height=use_series[i],
                width=0.60, color='b', bottom=bottom, label=use_label)
        if use_series[i] != 0:
            plt.text(header_list[i], bottom, s=use_series[i],
                     ha='center', va='bottom', fontsize=15, color='white')
    
        unable_label = know_label = familiar_label = use_label = ''
    
    plt.xticks(header_list, fontproperties=font)
    plt.ylabel('人数', fontproperties=font)
    plt.title('Python3期数学摸底可视化', fontproperties=font)
    plt.legend(prop=font, loc='upper left')
    plt.show()
        方程组   函数   导数        微积分       线性代数  概率论  统计学
    0   使用过  使用过   不会         不会         不会   不会   不会
    1   使用过  使用过   了解         不会         不会   不会   不会
    2   使用过  使用过   熟悉         不会         不会   不会   不会
    3    熟悉   熟悉   熟悉         了解         了解   了解   了解
    4   使用过  使用过  使用过        使用过        使用过  使用过  使用过
    5   使用过  使用过  使用过         不会         不会   不会   了解
    6    熟悉   熟悉   熟悉         熟悉         熟悉   熟悉   不会
    7   使用过  使用过  使用过        使用过        使用过  使用过  使用过
    8    熟悉   熟悉   熟悉         熟悉         熟悉  使用过  使用过
    9    熟悉   熟悉  使用过         不会        使用过  使用过   不会
    10  使用过  使用过   熟悉         熟悉         熟悉   熟悉   熟悉
    11  使用过  使用过  使用过        使用过        使用过   不会   不会
    12  使用过  使用过  使用过        使用过        使用过  使用过  使用过
    13  使用过  使用过   了解         不会         不会   不会   不会
    14  使用过  使用过  使用过        使用过        使用过   不会   不会
    15  使用过  使用过   熟悉         不会         不会   不会   不会
    16   熟悉   熟悉  使用过        使用过        使用过   不会   不会
    17  使用过  使用过  使用过         了解         不会   不会   不会
    18  使用过  使用过  使用过        使用过         熟悉   熟悉   熟悉
    19  使用过  使用过  使用过         了解         不会   不会   不会
    20  使用过  使用过  使用过        使用过        使用过  使用过  使用过
    21  使用过  使用过  使用过        使用过        使用过  使用过  使用过
    22  使用过  很了解   熟悉  了解一点,不会运用  了解一点,不会运用   了解   不会
    23  使用过  使用过  使用过        使用过         熟悉  使用过   熟悉
    24   熟悉   熟悉   熟悉        使用过         不会   不会   不会
    25  使用过  使用过  使用过        使用过        使用过  使用过  使用过
    26  使用过  使用过  使用过        使用过        使用过   不会   不会
    27  使用过  使用过   不会         不会         不会   不会   不会
    28  使用过  使用过  使用过        使用过        使用过  使用过   了解
    29  使用过  使用过  使用过        使用过        使用过   了解   不会
    30  使用过  使用过  使用过        使用过        使用过   不会   不会
    31  使用过  使用过  使用过        使用过         不会  使用过  使用过
    32   熟悉   熟悉  使用过        使用过        使用过   不会   不会
    33  使用过  使用过  使用过        使用过         熟悉  使用过   熟悉
    34   熟悉   熟悉   熟悉        使用过        使用过   熟悉   不会
    35  使用过  使用过  使用过        使用过        使用过  使用过  使用过
    36  使用过  使用过  使用过        使用过        使用过  使用过   了解
    37  使用过  使用过  使用过        使用过        使用过   不会   不会
    38  使用过  使用过  使用过         不会         不会   不会   不会
    39  使用过  使用过   不会         不会         不会   不会   不会
    40  使用过  使用过  使用过        使用过        使用过   不会   不会
    41  使用过  使用过   熟悉         了解         了解   了解   不会
    42  使用过  使用过  使用过         不会         不会   不会   不会
    43   熟悉  使用过   了解         了解         不会   不会   不会
    

    img

    点击查看源网页

    ...

    点击查看源网页

    ...

    点击查看源网页

    hhhhhhhhhge...

  • 相关阅读:
    Network | DNS
    Network | Cookie and Session
    Network | HTTP protocol
    全源最短路径
    最小生成树
    最小生成树
    10. Regular Expression Matching *HARD*
    4. Median of Two Sorted Arrays *HARD* -- 查找两个排序数组的中位数(寻找两个排序数组中第k大的数)
    44. Wildcard Matching *HARD*
    43. Multiply Strings 字符串表示的大数乘法
  • 原文地址:https://www.cnblogs.com/leaf-wind/p/11377980.html
Copyright © 2020-2023  润新知