python 分析扩展包

1、NumPy

NumPy提供了多种python本身不支持的多种集合，有list、ndarray和ufunc。

• list

  更加灵活的数组，支持多维，数据可不同型，存储数量远大于array。array只支持同型数据，空间有限。

• ndarray

  多维数组类，方便操纵多维数组，数据必须同型，操纵高效。

• ufunc

  对数组进行高效处理的函数。主要用于高维数组的访问，底层使用c/c++实现。

1.1 构造数组

import numpy as np 
# 一维数组
arr = np.array([2,0,1,5,8,3], dtype=np.float64)
# 二维数组
arr = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [7, 8, 9, 10]], dtype=np.float64)

1.2 max函数

# 提取数组最大值
arr.max()

1.3 min

arr.min()

1.4 sort

arr.sort()

1.5 数组形状

# 属性
arr.shape
# 内置函数
type(a)

1.6 切片

切片本质上就是去数组的子集。

# 全部元素
arr[:]
# 开始至导数第二个元素
arr[:-2]
# 最后的两个元素
arr[-2:]
# 第一个元素
arr[:1]

# 二维数组切片
arr[:][:]
# 
arr[1][:-2]

1.7 函数

Numpy封装了很多数学函数。

• 正弦函数

  np.sin(np.pi / 6)

• zeros函数

  # 初始化所有元素为0。
  np.zeros((3,4) ,dtype=np.float64), 

• ones

  # 初始化所元素为1
  np.ones((3,4) ,dtype=np.float64)

2、pandas

pandas 是panel data的之意。它是Python最强大的数据分析和探索工具，因金融数据分析工具而开发，支持类似SQL的数据增删改查功能，支持时间序列分析，灵活处理缺失数据。pandas有两种数据类型，Series和DataFrame。

2.1 Series

Series是一列数据，相当于表格中的一列。

s1 = Series([1,2,3,4])
# key是索引列
s1 = Series({'a':100 , 'b':200 , 'c':300 ,'d':400})
# 所有值
s1.values
# 所有索引
s1.index
# 通过索引访问
s1['b']

2.2 DataFrame

数据框是二维表格，类似于关系型数据库中的表。

# 构造数据
data = {"name":["yahoo","google","facebook"], "marks":[200,400,800], "price":[9, 3, 7]}
# 数据全部列
df1 = DataFrame(data)
# 使用指定的列
pds=pd.DataFrame(data,columns=['name','price','marks'])

数据框结构如下：