python资料复习课程

1、py t hon 资 料 精品文档 python资料 Python对csv的处理： #edcoding:utf-8 import pandas as pd import csv df=pd.read_csv(23.csv) print df.week #输出week这一列的数据 print dfweek #输出week这一列的数据 print df.ix1 #输出第二行数据(下标是从0开始的) print df.iloc:,1:4 #输出第二到第四列的数据但是只可以通过序列取，不能通过列名 print df.ix:,LEASETIME,SHEDID #通过列名取出数据 print df.ix:

2、,1,5#取出第二行和第六行数据(下标是从0开始的) print df.ix5,1#输出第六行第二列的数据(下标是从0开始的) print df.head(10)#取出前十行数据 print df.tail(10) #取出后十行数据(从后往前数) print dfdf.week=0 #将week这列等于0的全部取出来 print df(df.week=0)print np.dtype(f4);print np.dtype(f8) print AAAAAAAAAAAAA t=np.dtype(float) # t=np.dtype(float) print t.char,t #dtype类型属性

3、type print t.type #dtype类型属性str保存一个表示数据类型的字符串 print t.str print BBBBBBBBBBBBBB #一维数组的切片与索引 a=np.arange(10) print a3:5 #左闭右开 print a1:7:2 #左闭右开，间隔2 print a4:-1 # 输出4 3 2 1 0 print CCCCCCCCCCCCCCCC #处理数组形状 print a.reshape(2,5) #将1行10列数组转换成 2行5列数组 b=np.arange(24).reshape(2,3,4) print b print b.ravel()

4、#将多为数组降为1维数组，默认以行为准，参数-1以列为准 print b.flatten(-1) #拉直操作，默认以行为准，参数-1以列为准 print b.ravel().reshape(4,6) print b.ravel().reshape(4,6).transpose() # 转秩操作 print DDDDDDDDDDDDDDDDDDD #reshape函数返回一个新数组，但原数组本身.不变； # resize在返回一个新数组的同时也改变原数组本身。 print b=,b print b.reshape=,b.reshape(4,6) print b=,b b.resize(2,12)

5、 print b=,b b.shape=(2,3,2,2) #用元组的形式指定数组形状 print b print EEEEEEEEEEEEEEEEEEEEEEEEE #堆叠数组 a=np.arange(9).reshape(3,3) print a b=a*2 print a*2 c=np.hstack(a,b,a) #水平叠加 d=np.vstack(a,b)# 垂直叠加 print c,Hello,d axis=1垂直叠加 print np.concatenate(a,b),axis=1) #concatenate 功能数组叠加，axis=0 默认水平叠加, d=np.dstack(a,

6、b,a) #深度叠加，沿着第三个坐标轴(纵向)的方向叠加一摞数组。 print d aa=np.arange(2) bb=aa*2 print aa,bb #column_stack列式叠加，以列方式对一维数组进行堆叠，多维数组和hstack类似 print np.column_stack(aa,bb) #以列方式对一维数组进行堆叠 print np.column_stack(a,b) # 多维数组和 hstack类似 print np.hstack(a,b)=np.column_stack(a,b) #row_stack行式叠加，以行方式对一维数组进行堆叠，多维数组和vstack类似 pri

7、nt np.row_stack(aa,bb) print np.row_stack(a,b) print np.row_stack(a,b)=np.vstack(a,b) print FFFFFFFFFFFFFFFFFFF #数组拆分 a=np.arange(9).reshape(3,3) print a print type(np.vsplit(a,3),np.vsplit(a,3) # 纵向切分 print np.hsplit(a,3)# 横向切分 print 深向切分 print 切分前 a=np.arange(18).reshape(2,3,3) print a print 切分后 p

8、rint np.dsplit(a,3) print GGGGGGGGGGGGGGGG print数组的属性，不需要加() print a print a.ndim #数组的维度 print a.shape#数组的每一维度的大小 print a.dtype#数组中元素的数据类型，numpy要求数组元素类型一致 print a.size #数组中元素个数 print a.itemsize #返回数组中各个元素所占用的字节数 print a.itemsize*a.size #返回数组占用空间大小(字节为单位) b=np.arange(5) print b print a.T #转秩，与transpo

9、se。函数功能相同 print b.ndim b=np.array(1,2+2j) #复数用j表示，定义一个数组，包含两个元素 print b.real #获取数组的实部 print b.imag #获取数组的虚部 print b.dtype #复数数据类型自动变成复数类型 b=np.arange(4).reshape(2,2) f=b.flat print f1,3,2 #取列表中的某几个元素 for i in f: #对列表做循环 print i b.flat=7 #对数组整体赋值 print b b.flat2=3 print b #对数组某个元素赋值 b.flat2,3=2 print

10、 b print GGGGGGGGGGGGGGGGGGGGGGGGGGG print 数组的转换,tolist()方法 a=np.array(1+1j,0.3+0.8j) print a print a.dtype b=a.tolist() print b print type(b) #此时b已经不是numpy数组，不能再具有 dtype属性，查看类型 a=11 print type(a) #a.dtype b=np.array(1+1j,0.3+0.8j) c=b.astype(float) #将数组元素转换成指定类型 print c,b #转换完成虚部被舍弃 print HHHHHHHHH

11、HHHHHHHHHHHHHH print 创建数组的视图 #acopy=lena.copy() #print acopy Python 中 pandas: #coding=utf-8 import pandas as pd import numpy as np #Series obj=pd.Series(1,2,3,4) print obj obj=pd.Series(1,2,index=a,b) print obj data=pd.Series(0,1,2,3,index=1,2,3,4) print data print datadata1 print data*3 print data3

12、 print pd.notnull(a) #DataFrame data=state:beijin,shanghai,hangzhou,a:a,b,c print pd.DataFrame(data) print pd.DataFrame(data,columns=state,a,index=1,2,3) a=pd.DataFrame(data) print a.ix1 print a.T print a2:4 a=pd.Series(np.arange(4,8),index=a,b,c,d) print a print aaaaaa print a:4 print aaaaaa print

13、a:5 df仁pd.DataFrame(np.arange(1,13).reshape(3,4),columns=a,b,c,d,index=A,B,C) print df1 df2=pd.DataFrame(np.arange(1,10).reshape(3,3),columns=a,b,e) print df2 print df1.add(df2,fill_value=0) Python 中 matplotlib : 线型图： import matplotlib.pyplot as plt x=1,3,5 y=4,6,8 x1=3,4,6 y1=5,4,9 plt.plot(x, y, l

14、abel=First Line) plt.plot(x1, y1, label=Second Line) plt.xlabel(Plot Number) plt.ylabel(Important var) plt.title(lnteresting GraphnCheck it out) plt .l egend() plt.show() 在这里，我们绘制了我们已经看到的东西，但这次我们添加另一个参数label。这允许我们为线条指 定名称，我们以后可以在图例中显示它。 使用plt.xlabel和plt.ylabel，我们可以为这些相应的轴创建标签。 接下来，我们可以使用plt.title创建图

15、的标题，然后我们可以使用plt.legend()生成默认图例 条形图： import matplotlib.pyplot as plt plt.bar(1,3,5,7,9,5,2,7,8,2, label=Example one) plt.bar(2,4,6,8,10,8,6,2,5,6, label=Example two, color=g) plt .l egend() plt.xlabel(bar number) plt.ylabel(bar height) plt.title(Epic GraphnAnother Line! Whoa) plt.show() plt.bar为我们创建条

16、形图。如果你没有明确选择一种颜色，那么虽然做了多个图，所有的条看起来 会一样。 这让我们有机会使用一个新的Matplotlib自定义选项。你可以在任何类型的绘图中使用颜色，例如 g为绿色， b为蓝色，r为红色，y为黄色，k为黑色，w为白色，买等等。你还可以使用十六进制颜色代码， 如#191970。 直方图： 接下来，我们会讲解直方图。直方图非常像条形图，倾向于通过将区段组合在一起来显示分布。这 个例子可能是年龄的分组，或测试的分数。 我们并不是显示每一组的年龄，而是按照2025，2530等等来显示年龄。这里有一个例子： import matplotlib.pyplot as plt popul

17、ation_ages = 22,55,62,45,21,22,34,42,42,4,99,102,110,120,121,122,130,111,115,112,80,75,65,54,44,43,42,48 bins = 0,10,20,30,40,50,60,70,80,90,100,110,120,130 plt.hist(population_ages, bins, histtype=bar, rwidth=0.8) plt.xlabel(x) plt.ylabel(y) plt.title(lnteresting GraphnCheck it out) plt .l egend()

18、plt.show() 对于plt.hist，你首先需要放入所有的值，然后指定放入哪个桶或容器。在我们的例子中，我们绘制 了一堆年龄，并希望以10年的增量来显示它们。 我们将条形的宽度rwidth设为0.8，但是如果你想让条形变宽，或者变窄，你可以选择其他的宽 度。 散点图 import matplotlib.pyplot as plt x = 1,2,3,4,5,6,7,8 y = 5,2,4,2,1,4,5,2 plt.scatter(x,y, label=skitscat, color=k, s=25, marker=o) plt.xlabel(x) plt.ylabel(y) plt.t

19、itle(Interesting GraphnCheck it out) plt .l egend() plt.show() plt.scatter不仅允许我们绘制x和y，而且还可以让我们决定所使用的标记颜色color，大小s和类型 markero有一堆标记选项，请参阅 Matplotlib标记文档中的所有选项。 堆叠图： 在这篇Matplotlib数据可视化教程中，我们要介绍如何创建堆叠图。堆叠图用于显示部分对整 体随时间的关系。堆叠图基本上类似于饼图，只是随时间而变化。 让我们考虑一个情况，我们一天有24小时，我们想看看我们如何花费时间。我们将我们的活动分 为：睡觉，吃饭，工作和玩耍。 我

20、们假设我们要在5天的时间内跟踪它，因此我们的初始数据将如下所 import matplotlib.pyplot as plt days = 1,2,3,4,5 sleeping = 7,8,6,11,7 eating = 2,3,4,3,2 working = 7,8,7,2,2 playing = 8,5,7,8,13 plt.plot(,color=m, label=Sleeping, linewidth=5) plt.plot(,color=c, label=Eating, linewidth=5) plt.plot(,color=r, label=Working, linewidth=5) plt.plot(,color=k, label=Playing, linewidth=5) plt.stackplot(days, sleeping,eating,working,playing, colors=m,c,r,k) plt.xlabel(x) plt.ylabel(y) plt.title(lnteresting GraphnCheck it out) plt .l egend() plt.show() 我们在这里做的是画一些空行，给予它们符合我们的堆叠图的相同颜色，和正确标签。我们还使它 们线宽为5,使线条在图例中显得较宽。现