numpy的學習筆記\pandas學習筆記

1.numpy 的基礎是ndarray物件（N維陣列）,資料型別由dtype（data-type）決定。注意：每個ndarray都有一個唯一確定的dtype型別。即使沒有顯示定義，它有預設的型別。

2。a = np.array([1,2,3]) a.shpe 檢視多維陣列的形狀 a.ndim 檢視陣列的維度 a.size檢視陣列的個數

3.要會建立陣列，一般到二維就可以啦。

4。關於dtype：每個array都有一個確定的dtype，若沒顯示定義dtype，則預設為列表或者元素序列中的資料型別舉個帶宣告資料型別的例子：f = np.array([[1,2,3],[4,5,6]],dtype = complex)資料型別是複數。

5。自帶的陣列建立方法，

np.zeros((3,3)) ----->建立了一個3*3的全零矩陣

np.ones((3,3))------->建立了一個3*3的全1矩陣

np.arange(0,12,3)解釋，從0開始到11，間隔3，選擇一個數

np.random.random((3,3)) 建立一個3*3的隨機矩陣。

6。要知道reshape操作

7。numpy的數學運算，矩陣相乘，注意A*B是逐點運算，線代上的矩陣相乘是np.dot(A,B)

8。對陣列操作的通用函式 np.sqrt(a),np.log(a),np.sin(a)

9.索引，切片機制同Python中的列表差不多，具體含義可用到的時候自己查。

10。遍歷矩陣有兩種：

一種是遍歷矩陣的行------》for row in A：

print(row)

另外一種是遍歷矩陣的所有元素--------》for r in A.flat:

print(r)

注：A.flat 是把A矩陣展平

11。條件和布林陣列

例如a = np.array([[1,2,3],[4,5,6]])

a >3 輸出一個布林值的矩陣

與a[a>3] 輸出滿足條件的陣列元素

12矩陣陣列連線

A = np.ones((3,3))

B = np.zeros((3,3))

np.vstack((A,B)) ------> 效果是在A矩陣下面插入B矩陣，也就是書上說的垂直插入

np.hstack((A,B)) ---------》效果是在A矩陣的右邊插入B矩陣，也就是書上說的水平插入

還有一維陣列按列插入，按照行插入。。建議現用現查

13.有聚合就有拆分兩個函式：水平切分：np.hsplit(A,2) 把A分為兩部分

垂直切分 np.vsplit(A,2) 把A垂直分為兩部分試一下就知道效果

14 要知道numpy 的廣播機制------》一句話概括，就是自動補齊計算的維度不匹配問題

numpy 的向量化操作 a * b

15 numpy的副本、檢視概念。。現用現查

pandas主要分兩大資料結構：Series 和DataFrame

一、Series物件

1。Series物件表示一維資料結構，但是多了一個Index列

例如： s = pd.Series([12,-4,5,7])

0 12

1 -4

2 5

3 7 注：左邊一列就是index

還可以自己指定index s = pd.Series([12,-4,7,9],index = ['a','b','c','d'])

可以按照s.values 檢視s的資料

s.index檢視s的索引

2。選擇內部元素 s[2] 也可以按index s['b']

為元素賦值 s[1] = 0 s['a'] = 0

用Numpy陣列或者其他Series物件定義新的Series物件

arr = np.array([1,2,3,4])

s = pd.Series(arr)

3.Series篩選元素

s[s>8]

4.Series有數學運算

s/2 等

然而用到numpy庫的函式必須指定出np np.log(s)

5使用unique去重使用isin 判斷所屬關係

6。NaN Not a number 非數值

使用isnull 和notnull 函式來判斷

7。Series用作字典，index是字典的key 值是字典的value

numpy的學習筆記\pandas學習筆記

相關文章