Python数据分析

编程字典

Notebook on nbviewer

Jupyter 进阶教程

Matplotlib

Reference

Matplotlib中文

Matplotlib库入门

Matplotlib库基础图表函数.pdf

Numpy

Reference

参考手册

线性代数&Numpy

Numpy的数据轴

一维数据：axis 0 = y轴

二维数据：axis 0= z轴 ，axis 1 = y轴（二维表格行列分别代表y轴与z轴）

三维数据：axis 0= x轴 ，axis 1= z轴，axis 2 = y轴

axis 0代表最外面的轴

将NumPy轴视为我们可以执行操作的方向

ndarray数组的创建

x = np.array(list/tuple, dtype=np.float32)

当np.array()不指定dtype时，NumPy将根据数据情况关联一个dtype类型

Numpy常用函数与属性

Numpy函数

Numpy属性

数据存储

一维&二维数据保存：

np.savetxt(frame, array, fmt='%.18e', delimiter=None)

• frame : 文件、字符串或产生器，可以是.gz或.bz2的压缩文件
• array : 存入文件的数组
• fmt : 写入文件的格式，例如:%d %.2f %.18e
• delimiter : 分割字符串，默认是任何空格

一维&二维数据读取：

np.loadtxt(frame, dtype=np.float, delimiter=None， unpack=False)

• frame ： 文件、字符串或产生器，可以是.gz或.bz2的压缩文件
• dtype ： 数据类型，可选
• delimiter : 分割字符串，默认是任何空格
• unpack ：如果True，读入属性将分别写入不同变量

多维数据保存：

a.tofile(frame, sep='', format='%s')

• frame : 文件、字符串
• sep : 数据分割字符串，如果是空串，写入文件为二进制
• format : 写入数据的格式

多维数据读取：

np.fromfile(frame, dtype=float, count=‐1, sep='')

• frame : 文件、字符串
• dtype : 读取的数据类型
• count : 读入元素个数，‐1表示读入整个文件
• sep : 数据分割字符串，如果是空串，写入文件为二进制

该方法需要读取时知道存入文件时数组的维度和元素类型 a.tofile()和np.fromfile()需要配合使用 可以通过元数据文件来存储额外信息

便捷文件保存：

np.save(fname, array) np.savez(fname, array)

• fname : 文件名，以.npy为扩展名，压缩扩展名为.npz
• array : 数组变量

便捷文件读取：

np.load(fname)

• fname : 文件名，以.npy为扩展名，压缩扩展名为.npz

Pandas

参考手册

Pandas库入门.pdf

数据的特征分析.pdf

Series类型

Series类型由一组数据及与之相关的数据索引组成

Series代码实例

DataFrame类型

DataFrame代码实

数据类型操作

重新索引

reindex(index=None, columns=None, ...)

index:行索引

columns:列索引

fill_value:重新索引中，用于填充缺失位置的值

method:填充方法, ffill当前值向前填充，bfill向后填充

limit:最大填充量

索引类型常用方法

连接另一个Index对象，产生新的Index对象 : append(idx)

计算差集，产生新的Index对象 : diff(idx)

计算交集 : intersection(idx)

计算并集 : union(idx)

删除loc位置处的元素 : delete(loc)

在loc位置增加一个元素e : insert(loc,e)