跟着迪哥学Python数据分析和机器学习(一）

 Numpy

1、ndarray中所有元素必须是同一类型，否则会自动向下转换，int→float→str

2、得到索引位置

df['amount'].argmin()
out:最小值的index

3、用元素的索引位置替代排序后的实际结果

np.argsort(df['amount'])

4、按照大小顺序把它们插入刚创建的数组中，返回位置

values=np.array([2,5,10,6,7,4,5])
add_np=np.array([1,9])
np.searchsorted(values,add_np)
out:array([0, 7], dtype=int64)

5、文件读写

%%writefile tang.txt
# %%writefile myFirstBook.py
# Notebook的魔法指令，相当于写一个文件
1 2 3 4

罗列Notebook所有魔法

%lsmagic

tips:使用魔法方法前不能有任何内容

pandas

1、iloc():用位置找数据

df.iloc[0]

df.iloc[0:5]

df.iloc[1:5,1:4] # 1-5行，1-4列

2、loc():用标签找数据

ddd=ddd.assign(name=['A','B','C','D'])
ddd.set_index(['name'],inplace=True)
ddd.loc['A']
ddd.loc[['A','B']]

 3、设置显示 set_option、获取当前设置参数get_option

pd.set_option('display.max_rows',6) # 设置显示6条数据
pd.set_option('display.max_columns',6) # 设置显示6行数据

4、读取数据时，如果想以时间特征为索引，可以将parse_dates参数设置为True

data=pd.read_csv('....',index_col=0,parse_dates=True)

 

 

 

 也用data['2012-01':'2012-03']指定具体月份，或者更细致一些，在小时上继续进行判断，如data[(data.index.hour>8)&(data.index.hur<12)]

5、resample 重采样

Pandas中的resample，重新采样，是对原样本重新处理的一个方法，是一个对常规时间序列数据重新采样和频率转换的便捷的方法。

方法的格式是：

DataFrame.resample(rule, how=None, axis=0, fill_method=None, closed=None, label=None, convention='start',kind=None, loffset=None, limit=None, base=0)

# 按天统计
data.resample('D').mean().head()
# 按3天统计
data.resample('3D').mean().head()
# 按月统计
data.resample('M').mean().head()

6、DataFrame.select_dtypes(include=None, exclude=None) 

Notes

• 要选择所有数字类型，请使用np.number或'number'
• 要选择字符串，您必须使用objectdtype，但是请注意，这将返回所有对象dtype列
• 请参见numpy dtype层次结构
• 要选择日期时间，使用np.datetime64，'datetime'或 'datetime64'
• 要选择timedeltas，使用np.timedelta64，'timedelta'或 'timedelta64'
• 要选择Pandas类别dtype，请使用 'category'
• 要选择Pandas datetimetz dtypes，请使用'datetimetz'（0.20.0中的新增功能）或'datetime64[ns, tz]'

xrp_out_detail.select_dtypes(include=['O'])
xrp_out_detail.select_dtypes(include=['int'])