流行的Python库numpy及Pandas简要介绍

ゞ浴缸里的玫瑰 2023-10-16 14:01 8阅读 0赞

`numpy.ndarray` 是NumPy库中的主要数据结构，它是一个多维数组，用于存储和操作数值数据。NumPy是Python中用于数值计算的强大库，`numpy.ndarray` 是它的核心数据类型，提供了高效的数值运算和广泛的数学函数。

以下是 `numpy.ndarray` 的一些重要特点和功能：

1.  **多维数组**：`numpy.ndarray` 可以是一维、二维或多维的数组，这使得它非常适合处理各种复杂的数据。
2.  **数据类型**：`numpy.ndarray` 可以包含不同数据类型的元素，如整数、浮点数、布尔值等。每个数组都有一个固定的数据类型，可通过 `dtype` 属性获得。
3.  **广播**：NumPy支持广播，这意味着可以对不同形状的数组执行元素级操作，而不需要显式循环。
4.  **矢量化操作**：NumPy提供了各种数学、逻辑和统计函数，这些函数能够高效地应用于 `numpy.ndarray` 中的元素，而无需编写循环。
5.  **切片和索引**：可以使用切片和索引操作从 `numpy.ndarray` 中选择和操作数据的子集。
6.  **数学运算**：NumPy支持各种数学运算，包括加法、减法、乘法、除法、矩阵运算等。
7.  **随机数生成**：NumPy包括随机数生成函数，用于生成随机数或随机数组。
8.  **数据统计**：NumPy提供了各种统计函数，用于计算平均值、方差、标准差、最大值、最小值等。
9.  **线性代数**：NumPy包括线性代数函数，用于矩阵操作、求解线性方程组等。
10. **文件IO**：可以使用NumPy读取和写入数据到磁盘，支持多种文件格式。

下面是一个简单的示例，演示如何创建和操作 `numpy.ndarray`：

import numpy as np
    
    # 创建一个包含整数的等差数列
    arr = np.arange(start, stop, step)
    
    # 参数说明：
    # - start: 数列的起始值（包含在数列中）
    # - stop: 数列的结束值（不包含在数列中）
    # - step: 数列的步长（可选，默认为1）
    
    # 示例 1: 创建一个包含0到9的整数数列
    arr1 = np.arange(10)
    # 结果: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
    
    # 示例 2: 创建一个包含2到8（不包含8）的整数数列，步长为2
    arr2 = np.arange(2, 8, 2)
    # 结果: [2, 4, 6]
    
    # 示例 3: 创建一个包含0到1的浮点数数列，步长为0.1
    arr3 = np.arange(0, 1, 0.1)
    # 结果: [0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9]

import numpy as np
    
    arr = np.array([1, 2, 3, 4, 5])
    mean = np.mean(arr)  # 计算平均值
    max_val = np.max(arr)  # 找到最大值

import numpy as np
    
    np.random.seed(42)  # 设置种子为42
    random_numbers = np.random.rand(5)  # 生成5个随机数
    
    print(random_numbers)
    
    random_int = np.random.randint(1, 100, 5)  # 生成1到99之间的5个整数随机数
    
    random_uniform = np.random.rand(5)  # 生成包含5个随机数的数组

import numpy as np
    
    # 创建一个一维数组
    arr1 = np.array([1, 2, 3, 4, 5])
    
    # 创建一个二维数组
    arr2 = np.array([[1, 2, 3], [4, 5, 6]])
    
    # 访问数组元素
    print(arr1[0])        # 输出：1
    print(arr2[1, 2])     # 输出：6
    
    # 数学运算
    result = arr1 + 10
    print(result)         # 输出：[11 12 13 14 15]
    
    # 切片
    sub_array = arr1[1:4]
    print(sub_array)      # 输出：[2 3 4]
    
    # 统计运算
    mean_value = np.mean(arr1)
    print(mean_value)     # 输出：3.0

import numpy as np
    
    # 创建一个全零数组
    zeros_array = np.zeros((3, 4))
    
    # 创建一个全一数组
    ones_array = np.ones((2, 2))
    
    # 创建一个等差数列
    linspace_array = np.linspace(0, 1, 5)  # 生成 [0. 0.25 0.5 0.75 1. ]
    
    # 创建一个随机数组
    random_array = np.random.rand(3, 3)  # 生成一个3x3的随机数组

import numpy as np
    
    arr = np.arange(12)  # 创建一个包含0到11的一维数组
    
    # 将一维数组重塑为二维数组
    reshaped_arr = arr.reshape(3, 4)
    
    # 改变数组的形状，保持原数组不变
    flattened_arr = arr.flatten()

import numpy as np
    
    # 生成服从正态分布的随机数
    random_numbers = np.random.normal(loc=0, scale=1, size=(3, 3))
    
    # 随机打乱数组的顺序
    arr = np.array([1, 2, 3, 4, 5])
    np.random.shuffle(arr)

import numpy as np
    
    arr = np.array([1, 2, 3, 4, 5])
    
    # 使用条件表达式创建新数组
    new_array = np.where(arr > 2, arr, 0)  # 大于2的元素保留，小于等于2的变为0

import numpy as np
    
    # 创建一个示例数组
    data = np.array([[1, 2, 3], [4, 5, 6]])
    
    # 将数据写入文本文件（以逗号分隔）
    np.savetxt('data.txt', data, delimiter=',')
    
    # 将数据写入二进制文件
    np.save('data.npy', data)
    
    # 将数据写入压缩的二进制文件
    np.savez('data.npz', arr=data, arr2=data*2)

import numpy as np
    
    # 从文本文件读取数据
    loaded_data = np.loadtxt('data.txt', delimiter=',')
    
    # 从二进制文件读取数据
    loaded_data_binary = np.load('data.npy')
    
    # 从压缩的二进制文件读取数据
    loaded_data_compressed = np.load('data.npz')
    data_array = loaded_data_compressed['arr']
    data_array2 = loaded_data_compressed['arr2']

import numpy as np
    
    arr1 = np.array([1, 2, 3])
    arr2 = np.array([4, 5, 6])
    
    # 沿行方向堆叠两个数组
    stacked_array = np.vstack((arr1, arr2))
    
    # 沿列方向拼接两个数组
    concatenated_array = np.concatenate((arr1, arr2))

**Pandas（Python Data Analysis Library）是一个流行的Python库，用于数据处理和分析。它提供了高性能、易用的数据结构和数据分析工具，使得在Python中进行数据清洗、转换、分析和可视化变得更加容易。以下是Pandas的一些主要特点和功能：**

1.  **数据结构**：Pandas引入了两种主要的数据结构，`DataFrame` 和 `Series`。
    
     *  `DataFrame` 是一个二维表格数据结构，类似于电子表格或SQL表，可以容纳多种数据类型的列。每列可以有不同的数据类型。
     *  `Series` 是一个一维标记数组，类似于带有标签的NumPy数组。
2.  **数据读取**：Pandas可以轻松读取各种数据源，包括CSV、Excel、SQL数据库、JSON、HTML、以及Web API等。
3.  **数据清洗和处理**：Pandas提供了丰富的数据操作功能，包括缺失值处理、数据合并、重塑、过滤、排序、分组和聚合等。
4.  **数据分析**：Pandas支持各种数据分析任务，包括统计描述、数据可视化、时间序列分析、数据透视表等。
5.  **快速索引**：Pandas的 `DataFrame` 和 `Series` 可以通过标签或位置进行快速的数据检索和索引。
6.  **灵活的数据可视化**：Pandas结合了Matplotlib和Seaborn等可视化库，使得数据可视化变得容易。
7.  **数据导出**：可以将清洗和分析后的数据导出到各种文件格式，包括CSV、Excel、SQL数据库等。
8.  **时间序列数据**：Pandas对于处理时间序列数据非常强大，可以进行日期和时间的解析、滚动窗口计算等。
9.  **高性能**：Pandas被设计为高性能数据处理工具，可以处理大型数据集。
10. **广泛的社区支持**：由于其流行和广泛使用，Pandas拥有庞大的社区支持和文档资源。

以下是一个简单的示例，演示了如何使用Pandas创建和操作数据：

import pandas as pd
    
    # 创建一个DataFrame
    data = {'Name': ['Alice', 'Bob', 'Charlie'],
            'Age': [25, 30, 35],
            'City': ['New York', 'San Francisco', 'Los Angeles']}
    df = pd.DataFrame(data)
    
    # 打印DataFrame的前几行
    print(df.head())
    
    # 进行数据过滤
    filtered_df = df[df['Age'] > 28]
    
    # 进行数据分组和聚合
    grouped_df = df.groupby('City')['Age'].mean()
    
    # 保存DataFrame到CSV文件
    df.to_csv('sample_data.csv', index=False)

import pandas as pd
    
    # 从CSV文件读取数据
    df = pd.read_csv('data.csv')
    
    # 从Excel文件读取数据
    df = pd.read_excel('data.xlsx')
    
    # 从SQL数据库读取数据
    import sqlite3
    conn = sqlite3.connect('database.db')
    query = "SELECT * FROM table_name"
    df = pd.read_sql_query(query, conn)

# 选择DataFrame中的一列
    column = df['Column_Name']
    
    # 使用条件选择行
    filtered_df = df[df['Age'] > 25]
    
    # 使用iloc按位置选择数据
    selected_data = df.iloc[0:5, 1:3]

# 处理缺失值
    df.dropna()  # 删除包含缺失值的行
    df.fillna(value)  # 填充缺失值为指定值

# 数据排序
    sorted_df = df.sort_values(by='Column_Name', ascending=False)
    
    # 数据分组和聚合
    grouped = df.groupby('Category')
    mean_age = grouped['Age'].mean()

# 将DataFrame保存为CSV文件
    df.to_csv('output_data.csv', index=False)
    
    # 将DataFrame保存为Excel文件
    df.to_excel('output_data.xlsx', index=False)