python资料复习课程

1、 y t h o n 资 料python资料Python对csv的处理：#edcod in g:utf-8import pan das as pdimport csvdf=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幵始的)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pri nt df.ix:,LEASETIME,SHEDID #通过列名取出数据print df.ix:,1,5#取出第二行和

2、第六行数据(下标是从0幵始的)print df.ix5,1#输出第六行第二列的数据(下标是从0幵始的)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)&( df.SHEDID=8)#将week这一列等于0且SHEDID这一列等于8的数据全部取出(|这个符号表示或)list二3,4print dfdf.week.isin(list) #输出 week 这一列满足是3或的所有数pri nt =print df.sort_v

3、alues(by=week,ascending=True) #以 week 这一列从小至 U 大排序dfa=1print df #添加a这一列的值全部为1，也可以让他等于一个列表，但列表的长度必须与行数相等del dfaprint df #删除a这一列pr int =#groupby()这个函数是分组(但是不能单独使用)，count()这个方法是统计次数，print df.groupby(df.week).count() #以week这一列分组后，统计相同的次数是多少#分组后可以是用一下方法count()、sum()(求和)、mean()(求平均数)、max()(求最大值)、min()(求最小

4、值)Pyth on 中 nu mpy : #cod in g:utf-8 import nu mpy as np import array import pan das as pd import nu mpy as np # 列表 n=np.array(1,2,3,4) print n list1=1,2,3,a print list1#数组n= n p.array(1,2,3,a)pri nt n#自定义两行两列数组b=n p.array(1,2,3,4,5,6)pri nt bpri nt b.shape#自定义两行两列数组#自定义一个3行2列数组m 仁 np.array(1,2,3,4,

5、4,5)pri nt m1,m1.shape#访问数组内元素print m10,0print m11,1 a=n p.ara nge(5)pri nt apri nt a.dtypepri nt a.dtype.itemsizeprint 8(8.0)a=1+0.1jb=0.2pri nt a+ba=n p.ara n ge(7,dtype=D)pri nt a#查看数据类型pr int n p.dtype(float)pri nt n p.dtype(f)pri nt n p.dtype(f2);pri nt n p.dtype(f4);pri nt n p.dtype(f8)p

6、ri nt AAAAAAAAAAAAAt=n p.dtype(float) # t=n p.dtype(float)pri nt t.char,t#dtype类型属性typepri nt t.type#dtype类型属性str保存一个表示数据类型的字符串pri nt t.strpr in t BBBBBBBBBBBBBB#一维数组的切片与索引a=n p.ara nge(10)print a3:5 #左闭右幵print a1:7:2 #左闭右幵，间隔2print a4:-1 # 输出4 3 2 1 0pri nt CCCCCCCCCCCCCCCC#处理数组形状print a.reshape(2,

7、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)pri nt bprint b.ravel() #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pri nt b.ravel().reshape(4,6)pr int b.ravel().reshape(4,6).tra nspose() #转秩操作pri nt 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

8、组的同时也改变原数组本身。pri nt b=,bpri nt b.reshape二,b.reshape(4,6)pri nt b=,bb.resize(2,12)pri nt b=,bb.shape=(2,3,2,2) #用元组的形式指定数组形状pri nt bpr in t EEEEEEEEEEEEEEEEEEEEEEEEE#堆叠数组a=n p.ara nge(9).reshape(3,3)pri nt ab=a*2pri nt a*2c=np.hstack(a,b,a) # 水平叠加d=n p.vstack(a,b)# 垂直叠加prin t c,Hello,dprint np.c on c

9、ate nate(a,b),axis=1) #co ncate nate功能数组叠加，axis=0 默认水平叠加，axis=1 垂直叠加d=np.dstack(a,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。pri nt d aa=n p.ara nge(2)bb=aa*2hstack类似vstack类似pri nt 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pri nt n p.colu mn _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

10、 类似pr int n p.hstack(a,b)=n p.colu mn _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pri nt n p.row_stack(aa,bb)pri nt n p.row_stack(a,b)pr int n p.row_stack(a,b)=n p.vstack(a,b)prin t FFFFFFFFFFFFFFFFFFF#数组拆分a=n p.ara nge(9).reshape(3,3)pri nt aprint type( np.vsplit(a,3), np.vsplit(a,3) #纵向切分print n

11、p.hsplit(a,3)# 横向切分print 深向切分print 切分前a=n p.ara nge(18).reshape(2,3,3)pri nt aprint 切分后pri nt n p.dsplit(a,3)pri nt GGGGGGGGGGGGGGGGprint数组的属性，不需要加()pri nt aprint 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prin

12、t a.itemsize*a.size # 返回数组占用空间大小 (字节为单位)b=np.arange(5)pri nt bprint a.T #转秩，与transpose。函数功能相同pri nt b.n dimb=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=n p.ara nge(4).reshape(2,2)f=b.flatprint f1,3,2 #取列表中的某几个元素for i in f: #对列表做循环pr

13、i nt ib.flat=7 #对数组整体赋值pri nt bb.flat2=3print b #对数组某个元素赋值b.flat2,3=2pri nt bpri nt GGGGGGGGGGGGGGGGGGGGGGGGGGGprint 数组的转换，tolist()方法a=n p.array(1+1j,0.3+0.8j)pri nt aprint a.dtypeb=a.tolist()print bprint 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=11print type(a) #a.dtypeb=n p.array(1+1j,0.3+0.8j)c

14、=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 HHHHHHHHHHHHHHHHHHHHHHHprint 创建数组的视图#acopy=le na.copy()#pri nt acopyPyth on 中 pan das : #cod in g=utf-8import pan das as pdimport nu mpy as np#Seriesobj=pd.Series(1,2,3,4)print objobj=pd.Series(1,2,i ndex二a,b)print objdata二pd.Series(0,1,2,3,i

15、ndex=1,2,3,4)print dataprint datadata1print data*3print data3print pd.notn ull(a)#DataFrame data=state:beiji n,sha ngha i ,ha ngzhou,a:a,b,c print pd.DataFrame(data)print pd.DataFrame(data,colu mn s=state,a,i ndex二1,2,3) a=pd.DataFrame(data)print a.ix1print a.Tprint a2:4 a=pd.Series( np.ara nge(4,8)

16、,i ndex=a,b,c,d) print aprin t aaaaaaprint a:4prin t aaaaaaprint a:5 df 仁 pd.DataFrame(np.arange(1,13).reshape(3,4),columns二a,b,c,d,index二A,B,C) print df1df2=pd.DataFrame( np.ara nge(1,10).reshape(3,3),colum ns二a,b,e)print df2print df1.add(df2,fill_value=0)Python 中 matplotlib :线型图：import matplotlib.

17、pyplot as pltx=1,3,5y=4,6,8x1=3,4,6y1=5,4,9 plt.plot(x, y, label二First Line)plt.plot(x1, y1, label二Seco nd Li ne)plt.xlabel(Plot Number)plt.ylabel(Importa nt var)plt.title(Interesting GraphnCheck it out)pltege nd()plt.show()label。这允许我们为线条指plt.legend()生成默认图例在这里，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 定名称，我们以后可以在

18、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创建图的标题，然后我们可以使用条形图：import matplotlib.pyplot as pltplt.bar(1,3,5,7,9,5,2,7,8,2, label二Example one)plt.bar(2,4,6,8,10,8,6,2,5,6, label二Example two, color二g)pltege nd()plt.xlabel(bar nu mber)plt.ylabel(bar height)plt.title(Epic GraphnAn

19、other Line! Whoa)plt.show()plt.bar为我们创建条形图。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，你还可以使用十六进制颜色代码,b为蓝色，r为红色，y为黄色，k为黑色，w为白色，买等等如#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。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20? 25，25? 30等等来显示年龄。这里有一个例子：impo

20、rt matplotlib.pyplot as pltpopulati on _ages = 22,55,62,45,21,22,34,42,42,4,99,102,110,120,121,122,130,111,115,112,80,75,65,54,44,43,42,48bi ns = 0,10,20,30,40,50,60,70,80,90,100,110,120,130plt.hist(populati on _ages, bins, histtype二bar, rwidth=0.8)plt.xlabel(x)plt.ylabel(y)plt.title(Interesting Gra

21、phnCheck it out)pltege nd()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 pltx = 1,2,3,4,5,6,7,8y = 5,2,4,2,1,4,5,2plt.scatter(x,y, label二skitscat, color二k, s=25, marker二o)plt.xlabel(x)plt

22、.ylabel(y)plt.title(Interesting GraphnCheck it out)pltege nd()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marker o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

23、耍。我们假设我们要在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 pltdays = 1,2,3,4,5sleepi ng = 7,8,6,11,7eati ng = 2,3,4,3,2worki ng = 7,8,7,2,2playi ng = 8,5,7,8,13plt.plot(,color二m, label二Sleep in g, li newidth=5)plt.plot(,color二c, label二Eati ng, li newidth=5)plt.plot(,color二r, label二Worki ng, li newidth=5)plt.plot(,color=k, label=Playi ng, li newidth=5)plt.stackplot(days, sleep in g,eat in g,work in g,play ing, colors二m,c,r,k)plt.xlabel(x)plt.ylabel(y)plt.