numpy列相加_Python数据分析的基础-了解Numpy+Pandas数据结构

在学这数据结构这部分内容的时候，我已经深刻体会到Python语法知识的重要性。在后来尝试用Python完成数据分析过程的时候，才更深深体会到啥叫一环扣一口，因为这些枯燥的数据结构的知识是接下来分析实操的基础。

以下分为四部分展开：

Numpy一维数据结构Array

Pandas一维数据结构:Series

Numpy二维数据结构:Array

Pandas二维数据结构: DataFrame

---

Numpy(numerical Python)一维数据结构：Array（数组）

1)定义一维Numpy数组

2)查询第一个元素

3)切片访问 访问第2、3、4个元素

4)用for循环访问数组中的全部元素

5)用dtype来查询数据类型

import numpy as np
a=np.array([2,3,4,5])
print(a[0])
print(a[1:3])
print(a.dtype)
for i in a:
    print(i,end=" ")

Numpy一维数组和列别的区别

1)一维数组具有统计功能

平均值mean()

标准差srd()

2)一维数组可进行向量化计算

向量相加

乘以标量

3）Numpy数组中的元素必须是同一种数据类型，而列表中的元素可以是不同的数据类型

Pandas的一维数据结构:Series

1)定义一维数组

age=pd.Series([20,21,23,25,27,28,30],
             index=['a','b','c','d','e','f','g'])

2)获取描述统计信息

print(age.describe())

输出结果：

3)获取一维数组中的元素

age=pd.Series([20,21,23,25,27,28,30],
             index=['a','b','c','d','e','f','g'])
print(age.iloc[0])
print(age.loc['g'])

4)一维数组 向量相加

s1=pd.Series([4,5,6.5,8,12], index=['a','b','c','d','e'])
s2=pd.Series([1,2,3,4,5], index=['a','b','c','f','g'])
s3=s1+s2
print(s3)

对于s1+s2相加后有空值，处理方法有两种：

1)删除缺失值 s3.dropna()

2)将缺失值进行填充 s3=s1.add(s2, fill_value=0)

Numpy二维数据结构:Array

二维数据分析（有行也有列）

1)定义二维数组

import numpy as np
a=np.array([
    [1,2,3,4],
    [5,6,7,8],
    [9,10,11,12]
])

2)查询

查询数组种的某个元素

a[0,2] a[行的序号,列的序号]

获取某一行的元素 a[行的序号,:]

获取某一列的元素 a[:,列的序号]

3)Numpy数轴参数

数轴参数的名称 asix, 通过指定asix的值来指定按照某一行或者某一列来进行计算

Axis=1 按行计算平均值/标准差等等

Axis=0 按列计算平均值/标准差等等

Pandas二维数据结构: DataFrame

定义字典,并将这些数据转换成DataFrame

1）输出有序的数据框

注意：因为字典是无序的数据结构，所以最终的输出结果与输入顺序不一致

（可以用OrderDict将无序变成有序）

from collections import OrderedDict
salesOrderedDict=OrderedDict(salesDict)
salesDf=pd.DataFrame(salesOrderedDict)
print(salesDf)

2）对定义好的数据框取平均值

（是按照每一列来取数据值）

print(salesDf.mean())

3）查询

iloc属性用于根据位置查询值

1.查询元素

2.获取第一行

3.获取第一列

print(salesDf.iloc[1,1])
print(salesDf.iloc[0,:])
print(salesDf.iloc[:,0])

loc属性用于根据索引（行名和列名）查询值

1.查询元素

2.获取第一行

3.获取第一列

print(salesDf.loc[0,'社保卡号'])
print(salesDf.loc[0,:])
print(salesDf.loc[:,'商品名称'])

1.查询某几列 print(salesDf[['社保卡号','销售数量']])

2.切片功能：指定范围 （例如查询社保卡号到销售数量的列）

4）通过条件判断筛选

1构建查询条件

querySer=salesDf.loc[:,'销售数量']>1
print(querySer)

应用查询条件 （只把符合条件的行显示出来）

querySer=salesDf.loc[:,'销售数量']>1
salesDf.loc[querySer,:]

其他操作：

1)读取Excel数据

import pandas as pd
fileNameStr=r'C:UsersTTXDesktop跟猴子学习人工智能核心技术数据分析（高级）（Python）第3关：数据分析的基本过程朝阳医院2018年销售数据.xlsx'
xl=pd.ExcelFile(fileNameStr)
salesDf=xl.parse('Sheet1')
print(salesDf)

2)打印前5行 salesDf.head(5)

salesDf.head(5)

3)查看列的数据类型 dtype

salesDf.loc[:,'销售数量'].dtype

输出结果：float64

4)有多少行，多少列 shape

salesDf.shape

输出结果：

5)每一列的描述统计信息 用describe

salesDf.describe()