前言

本文主要给大家介绍了关于python中Numpy和Pandas使用的相关资料，分享出来供大家参考学习，下面话不多说了，来一起看看详细的介绍吧。

它们是什么？

NumPy是Python语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。

List、Numpy与Pandas

Numpy与List

相同之处：

• 都可以用下标访问元素，例如a[0]
• 都可以切片访问，例如a[1:3]
• 都可以使用for循环进行遍历

不同之处：

• Numpy之中每个元素类型必须相同；而List中可以混合多个类型元素
• Numpy使用更方便，封装了许多函数，例如mean、std、sum、min、max等
• Numpy可以是多维数组
• Numpy用C实现，操作起来速度更快

Pandas与Numpy

相同之处：

• 访问元素一样，可以使用下标，也可以使用切片访问
• 可以使用For循环遍历
• 有很多方便的函数，例如mean、std、sum、min、max等
• 可以进行向量运算
• 用C实现，速度更快

不同之处：Pandas拥有Numpy一些没有的方法，例如describe函数。其主要区别是：Numpy就像增强版的List，而Pandas就像列表和字典的合集，Pandas有索引。

Numpy使用

1、基本操作

import numpy as np#创建Numpyp1 = np.array([1, 2, 3])print p1print p1.dtype[1 2 3]int64#求平均值print p1.mean()2.0#求标准差print p1.std()0.816496580928#求和、求最大值、求最小值print p1.sum()print p1.max()print p1.min()631#求最大值所在位置print p1.argmax()2

2、向量运算

p1 = np.array([1, 2, 3])p2 = np.array([2, 5, 7])#向量相加，各个元素相加print p1 + p2[ 3 7 10]#向量乘以1个常数print p1 * 2[2 4 6]#向量相减print p1 - p2[-1 -3 -4]#向量相乘，各个元素之间做运算print p1 * p2[ 2 10 21]#向量与一个常数比较print p1 > 2[False False True]

3、索引数组

首先，看下面一幅图，理解下

然后，咱们用代码实现看下

a = np.array([1, 2, 3, 4, 5])print a[1 2 3 4 5]b = a > 2print b[False False True True True]print a[b][3 4 5]

a[b]中，只会保留a中所对应的b位置为True的元素

4、原地与非原地

咱们先来看一组运算：

a = np.array([1, 2, 3, 4])b = aa += np.array([1, 1, 1, 1])print b[2 3 4 5]a = np.array([1, 2, 3, 4])b = aa = a + np.array([1, 1, 1, 1])print b[1 2 3 4]

从上面结果可以看出来，+=改变了原来数组，而+没有。这是因为：

• +=：它是原地计算，不会创建一个新的数组，在原始数组中更改元素
• +：它是非原地计算，会创建一个新的数组，不会修改原始数组中的元素

5、Numpy中的切片与List的切片

l1 = [1, 2, 3, 5]l2 = l1[0:2]l2[0] = 5print l2print l1[5, 2][1, 2, 3, 5]p1 = np.array([1, 2, 3, 5])p2 = p1[0:2]p2[0] = 5print p1print p2[5 2 3 5][5 2]

从上可知，List中改变切片中的元素，不会影响原来的数组；而Numpy改变切片中的元素，原来的数组也跟着变了。这是因为：Numpy的切片编程不会创建一个新数组出来，当修改对应的切片也会更改原始的数组数据。这样的机制，可以让Numpy比原生数组操作更快，但编程时需要注意。

6、二维数组的操作

p1 = np.array([[1, 2, 3], [7, 8, 9], [2, 4, 5]])#获取其中一维数组print p1[0][1 2 3]#获取其中一个元素，注意它可以是p1[0, 1]，也可以p1[0][1]print p1[0, 1]print p1[0][1]22#求和是求所有元素的和print p1.sum()41[10 14 17]

但，当设置axis参数时，当设置为0时，是计算每一列的结果，然后返回一个一维数组；若是设置为1时，则是计算每一行的结果，然后返回一维数组。对于二维数组，Numpy中很多函数都可以设置axis参数。

#获取每一列的结果print p1.sum(axis=0)[10 14 17]#获取每一行的结果print p1.sum(axis=1)[ 6 24 11]#mean函数也可以设置axisprint p1.mean(axis=0)[ 3.33333333 4.66666667 5.66666667]

Pandas使用

Pandas有两种结构，分别是Series和DataFrame。其中Series拥有Numpy的所有功能，可以认为是简单的一维数组；而DataFrame是将多个Series按列合并而成的二维数据结构，每一列单独取出来是一个Series。

咱们主要梳理下Numpy没有的功能：

1、简单基本使用

import pandas as pdpd1 = pd.Series([1, 2, 3])print pd10 11 22 3dtype: int64#也可以求和和标准偏差print pd1.sum()print pd1.std()61.0

2、索引

（1）Series中的索引

p1 = pd.Series( [1, 2, 3], index = ['a', 'b', 'c'])print p1a 1b 2c 3dtype: int64print p1['a']

（2）DataFrame数组

p1 = pd.DataFrame({ 'name': ['Jack', 'Lucy', 'Coke'], 'age': [18, 19, 21]})print p1 age name0 18 Jack1 19 Lucy2 21 Coke#获取name一列print p1['name']0 Jack1 Lucy2 CokeName: name, dtype: object#获取姓名的第一个print p1['name'][0]Jack#使用p1[0]不能获取第一行，但是可以使用ilocprint p1.iloc[0]age 18name JackName: 0, dtype: object

总结：

• 获取一列使用p1[‘name']这种索引
• 获取一行使用p1.iloc[0]

3、apply使用

apply可以操作Pandas里面的元素，当库里面没用对应的方法时，可以通过apply来进行封装

def func(value): return value * 3pd1 = pd.Series([1, 2, 5])print pd1.apply(func)0 31 62 15dtype: int64

同样可以在DataFrame上使用：

pd2 = pd.DataFrame({ 'name': ['Jack', 'Lucy', 'Coke'], 'age': [18, 19, 21]})print pd2.apply(func) age name0 54 JackJackJack1 57 LucyLucyLucy2 63 CokeCokeCoke

4、axis参数

Pandas设置axis时，与Numpy有点区别：

• 当设置axis为'columns'时，是计算每一行的值
• 当设置axis为'index'时，是计算每一列的值

pd2 = pd.DataFrame({ 'weight': [120, 130, 150], 'age': [18, 19, 21]})0 1381 1492 171dtype: int64#计算每一行的值print pd2.sum(axis='columns')0 1381 1492 171dtype: int64#计算每一列的值print pd2.sum(axis='index')age 58weight 400dtype: int64

5、分组

pd2 = pd.DataFrame({ 'name': ['Jack', 'Lucy', 'Coke', 'Pol', 'Tude'], 'age': [18, 19, 21, 21, 19]})#以年龄分组print pd2.groupby('age').groups{18: Int64Index([0], dtype='int64'), 19: Int64Index([1, 4], dtype='int64'), 21: Int64Index([2, 3], dtype='int64')}

6、向量运算

需要注意的是，索引数组相加时，对应的索引相加

pd1 = pd.Series( [1, 2, 3], index = ['a', 'b', 'c'])pd2 = pd.Series( [1, 2, 3], index = ['a', 'c', 'd'])print pd1 + pd2a 2.0b NaNc 5.0d NaNdtype: float64

出现了NAN值，如果我们期望NAN不出现，如何处理？使用add函数，并设置fill_value参数

print pd1.add(pd2, fill_value=0)a 2.0b 2.0c 5.0d 3.0dtype: float64

同样，它可以应用在Pandas的dataFrame中，只是需要注意列与行都要对应起来。

总结

这一周学习了优达学城上分析基础的课程，使用的是Numpy与Pandas。对于Numpy，以前在Tensorflow中用过，但是很不明白，这次学习之后，才知道那么简单，算是有一定的收获。

好了，以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，如果有疑问大家可以留言交流，谢谢大家对的支持。

参考

Pandas 使用指南(上) 基本数据结构