《python资料》由会员分享，可在线阅读，更多相关《python资料（9页珍藏版）》请在金锄头文库上搜索。
1、_python 资料Python 对 csv 的处理： #edcoding:utf-8 import pandas as pd import csvdf=pd.read_csv(”23.csv”)print df.week#输出 week 这一列的数据print df”week”#输出 week 这一列的数据print df.ix1#输出其次行数据下标是从 0 开头的print df.iloc:,1:4#输出其次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:,1,5#取出其次行和第六行
2、数据下标是从 0 开头的 print df.ix5,1#输出第六行其次列的数据下标是从 0 开头的 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=”3”,”4”print dfdf.week.isin(list)#输出 week 这一列满足是3或4的全部数print ”=”print
3、 df.sort_values(by=”week”,ascending=True)#以 week 这一列从小到大排序df”a”=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，但列表的长度必需与行数相等deldf”a”print df#删除 a 这一列print”=”#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，统计一样的次数是多少#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、
4、min()求最小值)Python 中 numpy： #coding:utf-8 import numpy as np import arrayimport pandas as pd import numpy as np #列表n=np.array(1,2,3,4) print nlist1=1,2,3,”a”print list1 #数组n= np.array(1,2,3,”a”) print n#自定义两行两列数组b=np.array(1,2,3,4,5,6)print bprint b.shape#自定义两行两列数组#自定义一个 3 行 2 列数组m1=np.array(1,2,3,4,4
5、,5)print m1,m1.shape #访问数组内元素print m10,0print m11,1a=np.arange(5) print aprint a.dtypeprint a.dtype.itemsize print np.int8(8.0) a=1+0.1jb=0.2print a+b a=np.arange(7,dtype=”D”) print a#查看数据类型print np.dtype(float) print np.dtype(”f”)print np.dtype(”f2”);print np.dtype(”f4”);print np.dtype(”f8”) print
6、“AAAAAAAAAAAAA“t=np.dtype(float) # t=np.dtype(”float”) print t.char,t#dtype 类型属性 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.strprint “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 0print “CCCCCCCCCCCCCCCC“#处理数组外形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)print 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
8、新数组的同时也转变原数组本身。print “b=“,bprint “b.reshape=“,b.reshape(4,6) print “b=“,bb.resize(2,12) print “b=“,bb.shape=(2,3,2,2)#用元组的形式指定数组外形print bprint “EEEEEEEEEEEEEEEEEEEEEEEEE“#堆叠数组a=np.arange(9).reshape(3,3) print ab=a*2 print a*2c=np.hstack(a,b,a) #水平叠加d=np.vstack(a,b)#垂直叠加print c,“Hello“,dprint np.conc
9、atenate(a,b),axis=1) #concatenate 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。print daa=np.arange(2) bb=aa*2print aa,bb#column_stack 列式叠加，以列方式对一维数组进展堆叠，多维数组和 hstack 类似print np.column_stack(aa,bb) #以列方式对一维数组进展堆叠print np.column_stack(a,b) #多维数组和 hstack 类似print np.hstac
10、k(a,b)=np.column_stack(a,b)#row_stack 行式叠加，以行方式对一维数组进展堆叠，多维数组和 vstack 类似print 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 aprint type(np.vsplit(a,3),np.vsplit(a,3) #纵向切分print np.hsplit(a,3)#横向切分prin
11、t “深向切分“ print “切分前“a=np.arange(18).reshape(2,3,3) print aprint “切分后“ print np.dsplit(a,3)print “GGGGGGGGGGGGGGGG“print“数组的属性，不需要加“ print 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 要求数组元素类型全都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.siz
12、e #返回数组占用空间大小字节为单位 b=np.arange(5)print bprint a.T #转秩，与 transpose()函数功能一样print b.ndimb=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 #猎取数组的实部print b.imag #猎取数组的虚部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.flatprint f1,3,2 #取列表中的某几个元素for i in f:#对列表做循环print ib.flat=7#对数组整体赋值pr
13、int bb.flat2=3print b#对数组某个元素赋值b.flat2,3=2print bprint “GGGGGGGGGGGGGGGGGGGGGGGGGGG“print “数组的转换,tolist()方法“ a=np.array(1+1j,0.3+0.8j) print aprint a.dtype b=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.dtype b=np.array(1+1j,0.3+0.8j)c=b.astype(float)#将数组
14、元素转换成指定类型print c,b#转换完成虚部被舍弃print “HHHHHHHHHHHHHHHHHHHHHHH“print “创立数组的视图“ #acopy=lena.copy() #print acopyPython 中 pandas：#coding=utf-8import pandas as pd import numpy as np #Series obj=pd.Series(1,2,3,4) print objobj=pd.Series(1,2,index=”a”,”b”) print objdata=pd.Series(0,1,2,3,index=1,2,3,4) print dataprint datadata1 print data*3print data3print 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
