Python数据加⼯篇数组、随机数、Series
数组
Python中并没有提供数组类型，虽然列表和元组可以代替，但是这两者都是按“对象”处理的，每个成员都需要存储引⽤对象值，时间和空间代价都很⼤，由此出现了优化的第三⽅扩展包，如NumPy.
NumPy是⽤C实现的并进⾏了⼀定的优化处理，最常⽤的是其中的数据结构ndarray，其本质是n维数组，特殊性在于“⽀持通过参数dtype 设置数组元素的类型”
主要特征
1. 形状 shape
shape参数可以是元组也可以是列表，shape =语句可以省略
查看形状可以⽤属性：shape
重构
返回⼀个新的数组reshape()
就地修改，更改数组本⾝resize()
轴调换，如矩阵转置(不改变本⾝)：swapaxes(0,1)
多维数组转换成⼀维转换(不改变本⾝)flatten()
多维数组转换成嵌套列表(不改变本⾝)tolist()
2. 元素类型
stype参数是numpy模块提供的数据类型(⽐后者多)，Python本⾝提供的类型也可以，dtype =语句可以省略
同⼀个数组中，所有元素的数据类型必须⼀致，如果不⼀致或没有显式定义元素数据类型，则按 dtype = object 处理
设置dtype参数值，⽤户可以⾃定义元素类型
使⽤⽅法astype()可以重设数组元素类型，并返回⼀个新数组，原数组没有改变
创建
⾸先要导⼊numpy包import numpy as np
1. ⽤np.arange()
arange（）和 range（）使⽤的⽅法差不多，但是range是Python内置函数，返回值为range对象，⽽arange是函数，返回值为NumPy的arrary
2. ⽤np.array()
3. np.ones() np.zeros
4. np.full()创建相同元素的数组
5. np.random()⽣成随机数组
如图，⽅⼀⽅⼆不⽀持定义形状
切⽚
规则切⽚：参考序列切⽚⽅式
Fancy Indexing不规则切⽚：在下标中可以出现另⼀个[ ]，直接读取指定下标的元素，也可以出现包含数组名本⾝的“过滤条件”
切⽚时可能需要⽣成⼀个特殊矩阵：“特征矩阵”array[:,np.newwaxis]
规整化处理特征矩阵
查看形状⽤属性shape
更改形状⽤⽅法reshape()
计算
属性计算
计算数组的秩：ndim
属性模式和⽅法模式都可以
计算数组元素的个数:.size
⽅法计算
乘法：*
横向 / 纵向拆分：split() vsplit()
合并concatenate()
横向 / 纵向合并：vstack() hstack()
前提：列 / ⾏个数⼀样
元素另外加(不改变本⾝)np.add()
数组内元素相加(不改变本⾝)np.sum()
插⼊和删除
删除特定元素：np.delete(array,obj,axis)
array：需要处理的矩阵
obj：需要处理的位置，⽐如要删除的第⼀⾏或者第⼀⾏和第⼆⾏
axis：如果输⼊为None：array会先按⾏展开，然后按照obj，删除第obj-1(从0开始)位置的数，返回⼀
个⾏矩阵。如果输⼊为0：按⾏删除
如果输⼊为1：按列删除
插⼊特定元素：np.insert(⽬标数组，下标，待插⼊元素)
缺失值处理
判断每个元素是否为缺失值：isnan()
判断是否⾄少有⼀个缺失值：any()
判断是否所有元素都为缺失值：all()
还有其他⽤法
缺失值处理
⼀般⽤NaN-Safty函数nansum()
None是基础语法提供的特殊数据类型，不能参加算术运算
np.nan是numpy提供的数据类型，属于float类型，可以参加算术运算
linspace函数python排序
返回排序结果：sort()
返回排序后的下标：argsort()
多维数组按指定维度排序：在sort()中加⼀个轴参数axis
axis = 1：
计算前后⾏数不变
2.以⾏为单位，每⾏独⽴计算
3.逐⾏计算
axis = 0：把⾏换成列
拷贝
浅拷贝：引⽤，共享存储空间array1 = array2
深拷贝：复制，两个不同的数组array2 = py()
随机数
⼀次⽣成⼀个随机数
⽣成随机数需要⽤到random模块，常⽤的还有NumPy、SciPy等包
需要设置种⼦数random.seed( )，如果不设置，每次的随机数都会不⼀样
⽣成⼀个随机整数：randint()
⽣成⼀个随机实数：uniform()
⼀次⽣成⼀个随机数组
基本步骤：
第⼀步：通过np.random.RandomState定义⼀个随机变量的⽣成器
第⼆步：根据⽬标数组的特征选择具体⽅法
普通随机矩阵：rand.randint(start,stop,(shape))
服从均匀分布：rand.rand( size) *10
rand()的返回值的取值范围为[0,1]，*10是为了调整取值范围
服从正态分布：rand.randn( size) + 5
+5理由同上
⽣成等距数列np.linspace(start,stop,size)
没有⽤⽣成器
Series
Pandas包提供了⼀中key-value型的数据类型，其中key为⽤户⾃定义的显式index，Series与列表的区别在于，Series的每个元素有显式（⾃定义）和隐式（系统⾃动分配）两种index
定义
⽤pd.Series()函数，函数参数包括：
data参数：对应values，取值为字典、列表等
index参数：对应显式index，取值为字典列表等
value的长度应当和index长度相等，如果不匹配就会报ValueError（书上说如果data中只有1个元素，系统⽀持循环补齐，但是敲代码不太⾏）
操作
查看显式index部分：属性index
查看values部分：属性values
可以通过显式index查看元素，⽀持切⽚，但key⼀定要带引号
更新显式index的⽅法：reindex()
不改变本⾝，更新index只是调整次序，如果出现新的key则对应的value为NaN缺失值

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。