numpy和pandas的常用操作

1、np.zero
np.zeros(5)   1行5列      結果：array([ 0.,  0.,  0.,  0.,  0.])
np.zeros((2, 1))  2行1列   結果：array([[ 0.], [ 0.]])
2、矩陣乘法
np.dot
np.multiply

1、讀取csv檔案

引數：

names，自定義列名

keep_default_na=false，沒有資料的條目就會被識別為』null』，而不是nan(用nan後面的資料處理中如果進行了比較操作會報錯，就需要設定一下這個屬性)

pddata = pd.read_csv(path, header=none, names=['exam 1', 'exam 2', 'admitted'])

2、merge和join

python語言pandas包中merge比join更像關聯式資料庫sql語言中的join操作。merge是根據兩個表的關鍵字段(例如主鍵或index)值匹配的，兩張表只能橫向合併，共同的列（即鍵）合併成一列，主鍵值相同的元組資料匹配成一條新的資料。如果除了鍵以外還有別的列也同名，merge後的列會自動採用「列名_表名」的形式，也可以通過suffix指定格式。join既可以橫向又可以縱向合併，通過引數axis取0或1控制。join是根據column列名或index索引名合併**的，兩張**合併後共同名稱的列或索引不會合併，而是形成重名的兩列或索引，索引或列名相同的行或列對齊成為新的資料。因此，merge講究鍵值的對應，而join講究位置的對應。兩張表如果沒有共同的鍵（列）是無法merge的，程式會報錯。兩張表如果沒有共同的索引或列名仍然可以join，合併後空缺的位置自動用nan填補。merge合併**的預設方式是inner，而join的預設方式是outer。

3、series.map()函式

dataframe的每一列都是乙個series

ss=df[
'coupon_id'].
map(
lambda x:1.
if x !=
'null'
else0.
)# ss仍然是個series
ss=map
(lambda x: x **2,
[1,2
,3,4
,5])
# ss不是個series
# 提供了兩個列表，對相同位置的列表資料進行相加
map(
lambda x, y: x + y,[1
,3,5
,7,9
],[2
,4,6
,8,10
])#要想轉為series：
pd.series(
list
(map
(lambda x, y: x + y,[1
,3,5
,7,9
],[2
,4,6
,8,10
])))

也可以將函式作為map的引數：

frame = df[
'discount_rate'].
map(fun)
deffun
(x):
return x+
1

含有對映關係的字典型物件作為map的引數

rlp = dict(data['user_id'].value_counts())
frame = df['user_id'].map(rlp)

4、檢視series的元素型別：data[『date_received』].dtype

dataframe元素型別轉換：test_data.astype(str)，如果不轉，後面資料比較操作時可能會報invalid type comparison的錯誤。

1、判斷是否為空

如果列為nan的形式：
ss=data[data[
'date_received'
].notnull()]
#返回不為空的行
ss=data[data[
'date_received'
].isnull()]
#返回為空的行
如果列為'null'的形式（讀取csv時加入了keep_default_na=
false屬性）
ss=data[data[
'date_received']!=
'null'
]#返回不為空的行
ss=data[data[
'date_received']==
'null'
]#返回為空的行

data[『colname』]返回的是乙個列組成的series

data[series]返回的是滿足series的行，series中是true或false。

2、插入一列：pddata.insert(0, 『ones』, 1) #在第0列插入1，列名為』ones』

3、data[[『key1』]]與data[『key1』]的區別是，前者返回乙個dataframe物件，後者返回乙個series物件。

numpy和pandas的常用操作

Numpy和Pandas的區別

numpy和pandas中set option總結

python安裝numpy和pandas的方法步驟

numpy和pandas的常用操作

Numpy和Pandas的區別

numpy和pandas中set option總結

python安裝numpy和pandas的方法步驟

相關推薦