4.4 扩展库Scipy
- Numpy
- Matplotlib
- Panadas
Numpy
Numpy主要实现的是数据结构，比如线性矩阵
Numpy介绍
import numpy as np
a = np.ones((3,4))
print(a)
Scipy核心库
简单来说科学计算主要集中在里头啦
Scipy核心库
Matplotlib
方便作图，曲线直方图等等
Matplotlib
Pandas
核心在于高效的Series和DataFrame数据结构
Pandas
4.5 ndarray
基本分类
Python中的列表（list、tuple）元素可以是任何类型，所以保存的是指向元素的指针
array模块
通过array函数来创建数组，array.array("B", range(5)),不支持多维数组，数组方法也不尽够用ndarray
NumPy中的基本数据结构，别名array，结构如下
ndarray基本结构
基本属性有：
- ndarray.ndim(秩)
- ndarray.shape(维度)
- ndarray.size(元素个数)
- ndarray.type(元素类型）
- ndarray.itemsize(元素大小）
ndarray的创建
- array()
参数为序列
np.array([1,2,3])
np.array([(1,2,3),(4,5,6)])
- arange()
和range类似，但此处可以处理浮点数
np.arange(1,5, 0.5)
- random()
np.random.random(2,2)
- linspace()
np.linspace(1, 2, 10, endpoint = False)
- ones()、zeros（）
- fromfunction()
np.fromfunction(lambda i, j: (i+1)*(j+1), (9,9))
ndarray的操作
-
切片
ndarray切片 arrray.reshape()
改变原有形状，更像矩阵里面的转秩
ndarray的运算
常用的加减乘除皆可使用，形状不同也可适应，源于广播的理念
NumPy中较小的数组会广播到较大数组的大小，使它们的形状兼容，其中较小数组维度的长度为1，例如：
a = np.array([1, 2, 3])
b = np.array([[4, 5, 6], [7, 8, 9]])
#将数组a按数组b扩展成了维度为(2, 3)的数组，第1行新值与第0行一样为“[1, 2, 3]”
- sum()、min()、max()可再numpy运算函数方法
aArray = np.array([(1,2,3), (4,5,6)])
aArray.sum()
Out[25]: 21
aArray.sum(axis = 0)
Out[26]: array([5, 7, 9])
aArray.sum(axis = 1)
Out[27]: array([ 6, 15])
aArray.min()
Out[28]: 1
aArray.max()
Out[29]: 6
4.6变长字典Series
- 类似一维数组对象
- 由数据和索引组成
from pandas import Series
aSer = pd.Series([1,2,3,'a'],index = [1,2,3])
aSer.index
Out[16]: Index(['a', 'b', 'c', 'd'], dtype='object')
aSer.values
Out[17]: array([1, 2, 3, 'a'], dtype=object)
基本操作
- 基本加减乘除以及乘方等
- 数据对齐
#eg1
data = {'AXP':'86.40', 'CSCO':'112.64', 'BA':'99.44'}
sindex = ['AXP','CSCO','AAPL','BA']
aSer = pd.Series(data, index = sindex)
aSer
Out[26]:
AXP 86.40
CSCO 112.64
AAPL NaN
BA 99.44
dtype: object
#eg2
bSer = {'AXP':'86.40', 'CSCO':'112.64', 'CVX':'23.78'}
cSer = pd.Series(bSer)
aSer + cSer
Out[29]:
AAPL NaN
AXP 86.4086.40
BA NaN
CSCO 112.64112.64
CVX NaN
dtype: object
- name属性
aSer.name = 'SeriesTest'
aSer.index.name = 'Volume'
aSer
Out[32]:
Volume
AXP 86.40
CSCO 112.64
AAPL NaN
BA 99.44
Name: SeriesTest, dtype: object
4.7 DataFrame
相较于series的一维结构，DataFrame是一个二维表格型数据结构可以看做是**共享同一个index的Series集合
data = {'name':['Wangdachui', 'Linling', 'Niuyun'], 'sallery':[4000, 5000, 6000]}
frame = pd.DataFrame(data)
print(frame)
Out[35]:
name sallery
0 Wangdachui 4000
1 Linling 5000
2 Niuyun 6000
基本操作
- 获取DataFrame对象的列和行可获得Series（即可对数据进行列分析）
frame['name']
frame['sallery']
- DataFrame对象的修改和删除
frame['name'] = 'Admin'
frame
Out[40]:
name sallery
1 Admin 4000
2 Admin 5000
3 Admin 6000
del frame['name']
frame
Out[42]:
sallery
1 4000
2 5000
3 6000
- 对index.name 进行设置
