python資料復(fù)習(xí)課程

1、 y t h o n 資 料python資料Python對(duì)csv的處理：#edcod in g:utf-8import pan das as pdimport csvdf=pd.read_csv(23.csv)print df.week #輸出week這一列的數(shù)據(jù)print dfweek #輸出week這一列的數(shù)據(jù)print df.ix1 #輸出第二行數(shù)據(jù)(下標(biāo)是從0幵始的)print df.iloc:,1:4 #輸出第二到第四列的數(shù)據(jù)但是只可以通過序列取，不能通過列名pri nt df.ix:,LEASETIME,SHEDID #通過列名取出數(shù)據(jù)print df.ix:,1,5#取出第二行和

2、第六行數(shù)據(jù)(下標(biāo)是從0幵始的)print df.ix5,1#輸出第六行第二列的數(shù)據(jù)(下標(biāo)是從0幵始的)print df.head(10)#取出前十行數(shù)據(jù)print df.tail(10) #取出后十行數(shù)據(jù)(從后往前數(shù))print dfdf.week=0 # 將week這列等于0的全部取出來print df(df.week=0)&( df.SHEDID=8)#將week這一列等于0且SHEDID這一列等于8的數(shù)據(jù)全部取出(|這個(gè)符號(hào)表示或)list二3,4print dfdf.week.isin(list) #輸出 week 這一列滿足是3或的所有數(shù)pri nt =print df.sort_v

3、alues(by=week,ascending=True) #以 week 這一列從小至 U 大排序dfa=1print df #添加a這一列的值全部為1，也可以讓他等于一個(gè)列表，但列表的長(zhǎng)度必須與行數(shù)相等del dfaprint df #刪除a這一列pr int =#groupby()這個(gè)函數(shù)是分組(但是不能單獨(dú)使用)，count()這個(gè)方法是統(tǒng)計(jì)次數(shù)，print df.groupby(df.week).count() #以week這一列分組后，統(tǒng)計(jì)相同的次數(shù)是多少#分組后可以是用一下方法count()、sum()(求和)、mean()(求平均數(shù))、max()(求最大值)、min()(求最小

4、值)Pyth on 中 nu mpy : #cod in g:utf-8 import nu mpy as np import array import pan das as pd import nu mpy as np # 列表 n=np.array(1,2,3,4) print n list1=1,2,3,a print list1#數(shù)組n= n p.array(1,2,3,a)pri nt n#自定義兩行兩列數(shù)組b=n p.array(1,2,3,4,5,6)pri nt bpri nt b.shape#自定義兩行兩列數(shù)組#自定義一個(gè)3行2列數(shù)組m 仁 np.array(1,2,3,4,

5、4,5)pri nt m1,m1.shape#訪問數(shù)組內(nèi)元素print m10,0print m11,1 a=n p.ara nge(5)pri nt apri nt a.dtypepri nt a.dtype.itemsizeprint 8(8.0)a=1+0.1jb=0.2pri nt a+ba=n p.ara n ge(7,dtype=D)pri nt a#查看數(shù)據(jù)類型pr int n p.dtype(float)pri nt n p.dtype(f)pri nt n p.dtype(f2);pri nt n p.dtype(f4);pri nt n p.dtype(f8)p

6、ri nt AAAAAAAAAAAAAt=n p.dtype(float) # t=n p.dtype(float)pri nt t.char,t#dtype類型屬性typepri nt t.type#dtype類型屬性str保存一個(gè)表示數(shù)據(jù)類型的字符串pri nt t.strpr in t BBBBBBBBBBBBBB#一維數(shù)組的切片與索引a=n p.ara nge(10)print a3:5 #左閉右?guī)詐rint a1:7:2 #左閉右?guī)?，間隔2print a4:-1 # 輸出4 3 2 1 0pri nt CCCCCCCCCCCCCCCC#處理數(shù)組形狀print a.reshape(2,

7、5) # 將 1 行 10 列數(shù)組轉(zhuǎn)換成 2 行 5 列數(shù)組 b=np.arange(24).reshape(2,3,4)pri nt bprint b.ravel() #將多為數(shù)組降為1維數(shù)組,默認(rèn)以行為準(zhǔn)，參數(shù)-1以列為準(zhǔn)print b.flatten(-1) #拉直操作，默認(rèn)以行為準(zhǔn)，參數(shù)-1以列為準(zhǔn)pri nt b.ravel().reshape(4,6)pr int b.ravel().reshape(4,6).tra nspose() #轉(zhuǎn)秩操作pri nt DDDDDDDDDDDDDDDDDDD#reshape函數(shù)返回一個(gè)新數(shù)組，但原數(shù)組本身.不變；# resize在返回一個(gè)新數(shù)

8、組的同時(shí)也改變?cè)瓟?shù)組本身。pri nt b=,bpri nt b.reshape二,b.reshape(4,6)pri nt b=,bb.resize(2,12)pri nt b=,bb.shape=(2,3,2,2) #用元組的形式指定數(shù)組形狀pri nt bpr in t EEEEEEEEEEEEEEEEEEEEEEEEE#堆疊數(shù)組a=n p.ara nge(9).reshape(3,3)pri nt ab=a*2pri nt a*2c=np.hstack(a,b,a) # 水平疊加d=n p.vstack(a,b)# 垂直疊加prin t c,Hello,dprint np.c on c

9、ate nate(a,b),axis=1) #co ncate nate功能數(shù)組疊加，axis=0 默認(rèn)水平疊加，axis=1 垂直疊加d=np.dstack(a,b,a) #深度疊加，沿著第三個(gè)坐標(biāo)軸(縱向)的方向疊加一摞數(shù)組。pri nt d aa=n p.ara nge(2)bb=aa*2hstack類似vstack類似pri nt aa,bb#column_stack列式疊加，以列方式對(duì)一維數(shù)組進(jìn)行堆疊，多維數(shù)組和pri nt n p.colu mn _stack(aa,bb) #以列方式對(duì)一維數(shù)組進(jìn)行堆疊print np.column_stack(a,b) #多維數(shù)組和 hstack

10、 類似pr int n p.hstack(a,b)=n p.colu mn _stack(a,b)#row_stack行式疊加，以行方式對(duì)一維數(shù)組進(jìn)行堆疊，多維數(shù)組和pri nt n p.row_stack(aa,bb)pri nt n p.row_stack(a,b)pr int n p.row_stack(a,b)=n p.vstack(a,b)prin t FFFFFFFFFFFFFFFFFFF#數(shù)組拆分a=n p.ara nge(9).reshape(3,3)pri nt aprint type( np.vsplit(a,3), np.vsplit(a,3) #縱向切分print n

11、p.hsplit(a,3)# 橫向切分print 深向切分print 切分前a=n p.ara nge(18).reshape(2,3,3)pri nt aprint 切分后pri nt n p.dsplit(a,3)pri nt GGGGGGGGGGGGGGGGprint數(shù)組的屬性，不需要加()pri nt aprint a.ndim #數(shù)組的維度print a.shape#數(shù)組的每一維度的大小print a.dtype#數(shù)組中元素的數(shù)據(jù)類型，numpy要求數(shù)組元素類型一致print a.size # 數(shù)組中元素個(gè)數(shù)print a.itemsize #返回?cái)?shù)組中各個(gè)元素所占用的字節(jié)數(shù)prin

12、t a.itemsize*a.size # 返回?cái)?shù)組占用空間大小 (字節(jié)為單位)b=np.arange(5)pri nt bprint a.T #轉(zhuǎn)秩，與transpose。函數(shù)功能相同pri nt b.n dimb=np.array(1,2+2j) #復(fù)數(shù)用j表示，定義一個(gè)數(shù)組，包含兩個(gè)元素print b.real #獲取數(shù)組的實(shí)部print b.imag #獲取數(shù)組的虛部print b.dtype #復(fù)數(shù)數(shù)據(jù)類型自動(dòng)變成復(fù)數(shù)類型b=n p.ara nge(4).reshape(2,2)f=b.flatprint f1,3,2 #取列表中的某幾個(gè)元素for i in f: #對(duì)列表做循環(huán)pr

13、i nt ib.flat=7 #對(duì)數(shù)組整體賦值pri nt bb.flat2=3print b #對(duì)數(shù)組某個(gè)元素賦值b.flat2,3=2pri nt bpri nt GGGGGGGGGGGGGGGGGGGGGGGGGGGprint 數(shù)組的轉(zhuǎn)換，tolist()方法a=n p.array(1+1j,0.3+0.8j)pri nt aprint a.dtypeb=a.tolist()print bprint type(b) #此時(shí)b已經(jīng)不是numpy數(shù)組，不能再具有 dtype屬性，查看類型a=11print type(a) #a.dtypeb=n p.array(1+1j,0.3+0.8j)c

14、=b.astype(float) #將數(shù)組元素轉(zhuǎn)換成指定類型print c,b # 轉(zhuǎn)換完成虛部被舍棄print HHHHHHHHHHHHHHHHHHHHHHHprint 創(chuàng)建數(shù)組的視圖#acopy=le na.copy()#pri nt acopyPyth on 中 pan das : #cod in g=utf-8import pan das as pdimport nu mpy as np#Seriesobj=pd.Series(1,2,3,4)print objobj=pd.Series(1,2,i ndex二a,b)print objdata二pd.Series(0,1,2,3,i

15、ndex=1,2,3,4)print dataprint datadata1print data*3print data3print pd.notn ull(a)#DataFrame data=state:beiji n,sha ngha i ,ha ngzhou,a:a,b,c print pd.DataFrame(data)print pd.DataFrame(data,colu mn s=state,a,i ndex二1,2,3) a=pd.DataFrame(data)print a.ix1print a.Tprint a2:4 a=pd.Series( np.ara nge(4,8)

16、,i ndex=a,b,c,d) print aprin t aaaaaaprint a:4prin t aaaaaaprint a:5 df 仁 pd.DataFrame(np.arange(1,13).reshape(3,4),columns二a,b,c,d,index二A,B,C) print df1df2=pd.DataFrame( np.ara nge(1,10).reshape(3,3),colum ns二a,b,e)print df2print df1.add(df2,fill_value=0)Python 中 matplotlib :線型圖：import matplotlib.

17、pyplot as pltx=1,3,5y=4,6,8x1=3,4,6y1=5,4,9 plt.plot(x, y, label二First Line)plt.plot(x1, y1, label二Seco nd Li ne)plt.xlabel(Plot Number)plt.ylabel(Importa nt var)plt.title(Interesting GraphnCheck it out)pltege nd()plt.show()label。這允許我們?yōu)榫€條指plt.legend()生成默認(rèn)圖例在這里，我們繪制了我們已經(jīng)看到的東西，但這次我們添加另一個(gè)參數(shù) 定名稱，我們以后可以在

18、圖例中顯示它。使用plt.xlabel和plt.ylabel，我們可以為這些相應(yīng)的軸創(chuàng)建標(biāo)簽。接下來，我們可以使用 plt.title創(chuàng)建圖的標(biāo)題，然后我們可以使用條形圖：import matplotlib.pyplot as pltplt.bar(1,3,5,7,9,5,2,7,8,2, label二Example one)plt.bar(2,4,6,8,10,8,6,2,5,6, label二Example two, color二g)pltege nd()plt.xlabel(bar nu mber)plt.ylabel(bar height)plt.title(Epic GraphnAn

19、other Line! Whoa)plt.show()plt.bar為我們創(chuàng)建條形圖。如果你沒有明確選擇一種顏色，那么雖然做了多個(gè)圖，所有的條看起來會(huì)一樣。這讓我們有機(jī)會(huì)使用一個(gè)新的Matplotlib自定義選項(xiàng)。你可以在任何類型的繪圖中使用顏色，例如g為綠色，你還可以使用十六進(jìn)制顏色代碼,b為藍(lán)色，r為紅色，y為黃色，k為黑色，w為白色，買等等如#191970 。直方圖：接下來，我們會(huì)講解直方圖。直方圖非常像條形圖，傾向于通過將區(qū)段組合在一起來顯示分布。個(gè)例子可能是年齡的分組，或測(cè)試的分?jǐn)?shù)。我們并不是顯示每一組的年齡，而是按照20? 25，25? 30等等來顯示年齡。這里有一個(gè)例子：impo

20、rt matplotlib.pyplot as pltpopulati on _ages = 22,55,62,45,21,22,34,42,42,4,99,102,110,120,121,122,130,111,115,112,80,75,65,54,44,43,42,48bi ns = 0,10,20,30,40,50,60,70,80,90,100,110,120,130plt.hist(populati on _ages, bins, histtype二bar, rwidth=0.8)plt.xlabel(x)plt.ylabel(y)plt.title(Interesting Gra

21、phnCheck it out)pltege nd()plt.show()對(duì)于plt.hist，你首先需要放入所有的值，然后指定放入哪個(gè)桶或容器。在我們的例子中，我們繪制了一堆年齡，并希望以10年的增量來顯示它們。我們將條形的寬度rwidth設(shè)為0.8，但是如果你想讓條形變寬，或者變窄，你可以選擇其他的寬度。散點(diǎn)圖import matplotlib.pyplot as pltx = 1,2,3,4,5,6,7,8y = 5,2,4,2,1,4,5,2plt.scatter(x,y, label二skitscat, color二k, s=25, marker二o)plt.xlabel(x)plt

22、.ylabel(y)plt.title(Interesting GraphnCheck it out)pltege nd()plt.show()plt.scatter不僅允許我們繪制x和y，而且還可以讓我們決定所使用的標(biāo)記顏色color，大小s和類型marker o有一堆標(biāo)記選項(xiàng)，請(qǐng)參閱 Matplotlib標(biāo)記文檔中的所有選項(xiàng)。堆疊圖：在這篇Matplotlib數(shù)據(jù)可視化教程中，我們要介紹如何創(chuàng)建堆疊圖。堆疊圖用于顯示部分對(duì)整體隨時(shí)間的關(guān)系。堆疊圖基本上類似于餅圖，只是隨時(shí)間而變化。讓我們考慮一個(gè)情況，我們一天有24小時(shí)，我們想看看我們?nèi)绾位ㄙM(fèi)時(shí)間。我們將我們的活動(dòng)分為：睡覺，吃飯，工作和玩

23、耍。我們假設(shè)我們要在5天的時(shí)間內(nèi)跟蹤它，因此我們的初始數(shù)據(jù)將如下所import matplotlib.pyplot as pltdays = 1,2,3,4,5sleepi ng = 7,8,6,11,7eati ng = 2,3,4,3,2worki ng = 7,8,7,2,2playi ng = 8,5,7,8,13plt.plot(,color二m, label二Sleep in g, li newidth=5)plt.plot(,color二c, label二Eati ng, li newidth=5)plt.plot(,color二r, label二Worki ng, li newidth=5)plt.plot(,color=k, label=Playi ng, li newidth=5)plt.stackplot(days, sleep in g,eat in g,work in g,play ing, colors二m,c,r,k)plt.xlabel(x)plt.ylabel(y)plt.