一 Numpy
二 pandas
pandas简介
pandas是建立在Numpy基础上的高效数据分析处理库，是Python的重要数据分析库。
pandas提供了众多的高级函数，极大地简化了数据处理的流程，尤其是被广泛地应用于金融领域的数据分析。
pandas主要包括的是：
- 带有标签的数据结构，主要包括序列（Series）和数据框（DataFrame）等
- 允许简单索引和多级索引
- 支持从Excel、CSV等文本格式中文导入数据，以Pytables/HDF5格式高效地读／写数据。
- 整合了对数据集的集合和转换功能
- 生成特定类型的数据
pandas的导入：
import pandas as pd
from pandas import Series,DataFrame
import numpy as np
pandas中的Series
Series是一种类似与一维数组的对象，由下面两个部分组成：
-
values：一组数据（ndarray类型）
-
index：相关的数据索引标签
1）Series的创建
两种创建方式：
(1) 由列表或numpy数组创建
默认索引为0到N-1的整数型索引
- 还可以通过设置index参数指定索引
#使用列表创建 Series是序列
Series(data=[1,2,3,4,5,6])
#结果
0 1
1 2
2 3
3 4
4 5
5 6
dtype: int64
#通过numpy创建Series
Series(data=np.random.randint(1,40,size=(5,)),index=['a','d','f','g','t'],name='bobo')
(2) 由字典创建:不能在使用index.但是依然存在默认索引
注意：数据源必须为一维数据
dic = {
'语文':150,
'数学':150,
'英语':150,
'理综':150
}
s = Series(data=dic)
#查看时
s
2）Series的索引和切片
可以使用中括号取单个索引（此时返回的是元素类型），或者中括号里一个列表取多个索引（此时返回的是一个Series类型）。
(1) 显式索引：
- 使用index中的元素作为索引值
- 使用s.loc[]（推荐）:注意，loc中括号中放置的一定是显示索引
注意，此时是闭区间
(2) 隐式索引：
- 使用整数作为索引值
- 使用.iloc[]（推荐）:iloc中的中括号中必须放置隐式索引
注意，此时是半开区间
列如：
切片：隐式索引切片和显示索引切片
- 显示索引切片:index和loc
- 隐式索引切片：整数索引值和iloc
3）Series的基本概念
可以把Series看成一个定长的有序字典
向Series增加一行：相当于给字典增加一组键值对
可以通过shape，size，index,values等得到series的属性
可以使用s.head(),tail()分别查看前n个和后n个值
对Series元素进行去重（使用unique）
两个Series进行相加
- 当索引没有对应的值时，可能出现缺失数据显示NaN（not a number）的情况
- 使得两个Series进行相加:索引与之对应的元素会进行算数运算,不对应的就补空
可以使用pd.isnull()，pd.notnull()，或s.isnull(),notnull()函数检测缺失数据
4）Series的运算
(1) + - * /
(2) add() sub() mul() div() : s1.add(s2,fill_value=0)
(3) Series之间的运算
- 在运算中自动对齐不同索引的数据
- 如果索引不对应，则补NaN
pandas中的DataFrame
DataFrame是一个【表格型】的数据结构。DataFrame由按一定顺序排列的多列数据组成。设计初衷是将Series的使用场景从一维拓展到多维。DataFrame既有行索引，也有列索引。
- 行索引：index
- 列索引：columns
- 值：values
1）DataFrame的创建
最常用的方法是传递一个字典来创建。DataFrame以字典的键作为每一【列】的名称，以字典的值（一个数组）作为每一列。
此外，DataFrame会自动加上每一行的索引。
使用字典创建的DataFrame后，则columns参数将不可被使用。
同Series一样，若传入的列与字典的键不匹配，则相应的值为NaN。
DataFrame的创建方式：
- 使用ndarray创建DataFrame
-
使用ndarray创建DataFrame：创建一个表格用于展示张三，李四，语文，数学，英语的成绩
dic = { '张三':[77,88,99], '李四':[67,68,69] } df = DataFrame(data=dic,index=['语文','数学','英语']) dfDataFrame属性：values、columns、index、shape
2）DataFrame的索引
(1) 对列进行索引
- 通过类似字典的方式 df['q']
- 通过属性的方式 df.q
可以将DataFrame的列获取为一个Series。返回的Series拥有原DataFrame相同的索引，且name属性也已经设置好了，就是相应的列名。
修改索引
#修改列索引
df.columns = ['zhangsan','lisi']
df
(2) 对行进行索引
- 使用.loc[]加index来进行行索引
- 使用.iloc[]加整数来进行行索引
同样返回一个Series，index为原来的columns。
(3) 对元素索引的方法
- 使用列索引
- 使用行索引(iloc[3,1] or loc['C','q']) 行索引在前，列索引在后
切片：
【注意】 直接用中括号时：
- 索引表示的是列索引
- 切片表示的是行切片
3）DataFrame的运算
（1） DataFrame之间的运算
同Series一样：
- 在运算中自动对齐不同索引的数据
- 如果索引不对应，则补NaN
处理丢失数据
有两种丢失数据：
- None
- np.nan(NaN)
1. None
None是Python自带的，其类型为python object。因此，None不能参与到任何计算中。
2. np.nan（NaN）
np.nan是浮点类型，能参与到计算中。但计算的结果总是NaN。
3. pandas中的None与NaN
1) pandas中None与np.nan都视作np.nan
#创建DataFrame
df = DataFrame(data=np.random.randint(10,50,size=(8,8)))
df
df.iloc[1,3]=None
df.iloc[2,2]=None
df.iloc[4,2]=None
df.iloc[6,7]=np.nan
2) pandas处理空值操作
-
isnull() -
notnull() -
dropna(): 过滤丢失数据 -
fillna(): 填充丢失数据
#一行中要是都有值 也就是 不是空的为True
#一行 中只要有一个为none 为空则为False
df.notnull().all(axis=1) #1代表行 notnull(all) isnull(any)
df.loc[df.notnull().all(axis=1)] #去掉行有值为空的行
df.dropna() 可以选择过滤的是行还是列（默认为行）:axis中0表示行，1表示的列
df.dropna(axis=0) #删除一行中有空值的行
3) 填充函数 Series/DataFrame
-
fillna():value和method参数可以选择前向填充还是后向填充
df.fillna(method='ffill',axis=1) #向前填充 就是根据前条数据来填充空数据method 控制填充的方式 bfill（向后填充） ffill（向前填充）
1. 创建多层列索引
1) 隐式构造
最常见的方法是给DataFrame构造函数的index或者columns参数传递两个或更多的数组
2) 显示构造pd.MultiIndex.from_
- 使用数组
- 使用product
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
col=pd.MultiIndex.from_product([['qizhong','qimo'],
['chinese','math']])
#创建DF对象
df = DataFrame(data=np.random.randint(60,120,size=(2,4)),index=['tom','jay'],
columns=col)
df
二 pandas的拼接操作
pandas的拼接分为两种：
- 级联：pd.concat, pd.append
- 合并：pd.merge, pd.join
1. 使用pd.concat()级联
pandas使用pd.concat函数，与np.concatenate函数类似，只是多了一些参数：
objs
axis=0
keys
join='outer' / 'inner':表示的是级联的方式，outer会将所有的项进行级联（忽略匹配和不匹配），而inner只会将匹配的项级联到一起，不匹配的不级联
ignore_index=False
1)匹配级联
df1 = DataFrame(data=np.random.randint(0,100,size=(3,3)),index=['a','b','c'],columns=['A','B','C'])
df2 = DataFrame(data=np.random.randint(0,100,size=(3,3)),index=['a','d','c'],columns=['A','d','C'])
pd.concat((df1,df1),axis=0,join='inner')
2) 不匹配级联
不匹配指的是级联的维度的索引不一致。例如纵向级联时列索引不一致，横向级联时行索引不一致
有2种连接方式：
-
外连接：补NaN（默认模式）
-
内连接：只连接匹配的项
3) 使用df.append()函数添加
由于在后面级联的使用非常普遍，因此有一个函数append专门用于在后面添加
2. 使用pd.merge()合并
merge与concat的区别在于，merge需要依据某一共同的列来进行合并
使用pd.merge()合并时，会自动根据两者相同column名称的那一列，作为key来进行合并。
注意每一列元素的顺序不要求一致
参数：
-
how：out取并集 inner取交集
-
on：当有多列相同的时候，可以使用on来指定使用那一列进行合并，on的值为一个列表
1) 一对一合并
将df1与df2合并
df1 = DataFrame({'employee':['Bob','Jake','Lisa'],
'group':['Accounting','Engineering','Engineering'],
})
df1
df2 = DataFrame({'employee':['Lisa','Bob','Jake'],
'hire_date':[2004,2008,2012],
})
df2
pd.merge(df1,df2,how='outer')
2) 多对一合并
df3 = DataFrame({
'employee':['Lisa','Jake'],
'group':['Accounting','Engineering'],
'hire_date':[2004,2016]})
df3
df4 = DataFrame({'group':['Accounting','Engineering','Engineering'],
'supervisor':['Carly','Guido','Steve']
})
df4
pd.merge(df3,df4,how='outer')
3)多对多合并
df5 = DataFrame({'employee':['Bob','Jake','Lisa'],
'group':['Accounting','Engineering','Engineering']})
df5
df6 = DataFrame({'group':['Engineering','Engineering','HR'],
'supervisor':['Carly','Guido','Steve']
})
df6
pd.merge(df5,df6,how='outer')
4) key的规范化
- 当列冲突时，即有多个列名称相同时，需要使用on=来指定哪一个列作为key，配合suffixes指定冲突列名
- 当两张表没有可进行连接的列时，可使用left_on和right_on手动指定merge中左右两边的哪一列列作为连接的列
df1 = DataFrame({'employee':['Jack',"Summer","Steve"],
'group':['Accounting','Finance','Marketing']})
df2 = DataFrame({'employee':['Jack','Bob',"Jake"],
'hire_date':[2003,2009,2012],
'group':['Accounting','sell','ceo']})
5) 内合并与外合并:out取并集 inner取交集
-
内合并：只保留两者都有的key（默认模式）
-
外合并 how='outer'：补NaN
三 Matplotlib
Matplotlib是一个主要用于绘制二维图形的Python库
-能够绘制出高质量的图形，并且图形里面的镶嵌的文本必需足够美观
-能够和Tex文档一起输出
-能够嵌入到GUI(图形用户界面)应用程序中
Matplotlib中的基本图表包括的元素
-
x轴和y轴 axis
水平和垂直的轴线 -
x轴和y轴刻度 tick
刻度标示坐标轴的分隔，包括最小刻度和最大刻度 -
x轴和y轴刻度标签 tick label
表示特定坐标轴的值 -
绘图区域（坐标系） axes
实际绘图的区域 -
坐标系标题 title
实际绘图的区域 -
轴标签 xlabel ylabel
实际绘图的区域
matplotlib的导入：
import matplotlib.pyplot as plt
包含单条曲线的图
- 注意：y,x轴的值必须为数字
简单的列子：
x=[1,2,3,4,5]
y=[2,4,6,8,10]
plt.plot(x,y)
-
绘制抛物线
x = np.linspace(-np.pi,np.pi,num=20) y = x**2 plt.plot(x,y) -
绘制正弦曲线图
x y = np.sin(x) plt.plot(x,y)
包含多个曲线的图
1、连续调用多次plot函数
plt.plot(x,y)
plt.plot(x+2,y+3)
2、也可以在一个plot函数中传入多对X,Y值，在一个图中绘制多个曲线
plt.plot(x,y,x+1,y-2)
将多个曲线图绘制在一个table区域中：对象形式创建表图
- a=plt.subplot（row,col,loc） 创建曲线图
- a.plot(x,y) 绘制曲线图
ax1 = plt.subplot(221)
ax1.plot(x,y)
ax2 = plt.subplot(2,2,2)
ax2.plot(x,y)
ax3 = plt.subplot(2,2,3)
ax3.plot(x,y)
ax4 = plt.subplot(2,2,4)
ax4.plot(x,y)
网格线 plt.gride(XXX)
参数：
- axis
- color:支持十六进制颜色
- linestyle: -- -. :
- alpha
plt.plot(x,y)
plt.grid(axis='both',c='blue')
绘制一个正弦曲线图，并设置网格
plt.plot(x,y,c='red',alpha=0.7)
坐标轴界限
axis方法:设置x，y轴刻度值的范围
plt.axis([xmin,xmax,ymin,ymax])
plt.plot(x,y)
plt.axis([-6,6,-2,2])
#plt.axis('off')
plt.axis('off')
关闭坐标轴