Numpy，Pandas，Matplotlib常用函式
阿新 • • 發佈：2018-12-11
- import numpy as np
- import pandas as pd
- import matplotlib.pyplot as plt
- ---------------numpy-----------------------
- arr = np.array([1,2,3], dtype=np.float64)
- np.zeros((3,6)) np.empty((2,3,2)) np.arange(15)
- arr.dtype arr.ndim arr.shape
- arr.astype(np.int32) #np.float64 np.string_ np.unicode_
- arr * arr arr - arr 1/arr
- arr= np.arange(32).reshape((8,4))
- arr[1:3, : ] #正常切片
- arr[[1,2,3]] #花式索引
- arr.T arr.transpose((...)) arr.swapaxes(...) #轉置
- arr.dot #矩陣內積
- np.sqrt(arr) np.exp(arr) randn(8)＃正態分佈值 np.maximum(x,y)
- np.where(cond, xarr, yarr) ＃當cond為真，取xarr,否則取yarr
- arr.mean() arr.mean(axis=1) #算術平均數
- arr.sum() arr.std() arr.var() #和、標準差、方差
- arr.min() arr.max() #最小值、最大值
- arr.argmin() arr.argmax() #最小索引、最大索引
- arr.cumsum() arr.cumprod() #所有元素的累計和、累計積
- arr.all() arr.any() # 檢查陣列中是否全為真、部分為真
- arr.sort() arr.sort(1) #排序、1軸向上排序
- arr.unique() #去重
- np.in1d(arr1, arr2) #arr1的值是否在arr2中
- np.load() np.loadtxt() np.save() np.savez() ＃讀取、儲存檔案
- np.concatenate([arr, arr], axis=1) ＃連線兩個arr，按行的方向
- ---------------pandas-----------------------
- ser = Series() ser = Series([...], index=[...]) #一維陣列, 字典可以直接轉化為series
- ser.values ser.index ser.reindex([...], fill_value=0) #陣列的值、陣列的索引、重新定義索引
- ser.isnull() pd.isnull(ser) pd.notnull(ser) #檢測缺失資料
- ser.name= ser.index.name= #ser本身的名字、ser索引的名字
- ser.drop('x') #丟棄索引x對應的值
- ser +ser #算術運算
- ser.sort_index() ser.order() ＃按索引排序、按值排序
- df = DataFrame(data, columns=[...], index=[...]) #表結構的資料結構，既有行索引又有列索引
- df.ix['x'] #索引為x的值 對於series，直接使用ser['x']
- del df['ly'] #用del刪除第ly列
- df.T #轉置
- df.index.name df.columns.name df.values
- df.drop([...])
- df + df df1.add(df2, fill_vaule=0) #算術運算
- df -ser #df與ser的算術運算
- f=lambda x: x.max()-x.min() df.apply(f)
- df.sort_index(axis=1, ascending=False) #按行索引排序
- df.sort_index(by=['a','b']) #按a、b列索引排序
- ser.rank() df.rank(axis=1) #排序，增設一個排名值
- df.sum() df.sum(axis=1) #按列、按行求和
- df.mean(axis=1, skipna=False) #求各行的平均值，考慮na的存在
- df.idxmax() #返回最大值的索引
- df.cumsum() #累計求和
- df.describe() ser.describe() #返回count mean std min max等值
- ser.unique() #去重
- ser.value_counts() df.value_counts() ＃返回一個series，其索引為唯一值，值為頻率
- ser.isin(['x', 'y']) #判斷ser的值是否為x,y，得到布林值
- ser.dropna() ser.isnull() ser.notnull() ser.fillna(0) #處理缺失資料，df相同
- df.unstack() #行列索引和值互換 df.unstack().stack()
- df.swaplevel('key1','key2') #接受兩個級別編號或名稱，並互換
- df.sortlevel(1) #根據級別1進行排序，df的行、列索引可以有兩級
- df.set_index(['c','d'], drop=False) #將c、d兩列轉換為行,因drop為false，在列中仍保留c,d
- read_csv read_table read_fwf #讀取檔案分隔符為逗號、分隔符為製表符('\t')、無分隔符（固定列寬）
- pd.read_csv('...', nrows=5) #讀取檔案前5行
- pd.read_csv('...', chunksize=1000) #按塊讀取，避免過大的檔案佔用記憶體
- pd.load() #pd也有load方法，用來讀取二進位制檔案
- pd.ExcelFile('...xls').parse('Sheet1') # 讀取excel檔案中的sheet1
- df.to_csv('...csv', sep='|', index=False, header=False) #將資料寫入csv檔案，以｜為分隔符，預設以，為分隔符, 禁用列、行的標籤
- pd.merge(df1, df2, on='key', suffixes=('_left', '_right')) #合併兩個資料集,類似資料庫的inner join, 以二者共有的key列作為鍵,suffixes將兩個key分別命名為key_left、key_right
- pd.merge(df1, df2, left_on='lkey', right_on='rkey') #合併，類似資料庫的inner join, 但二者沒有同樣的列名，分別指出，作為合併的參照
- pd.merge(df1, df2, how='outer') #合併，但是是outer join；how='left'是笛卡爾積，how='inner'是...;還可以對多個鍵進行合併
- df1.join(df2, on='key', how='outer') #也是合併
- pd.concat([ser1, ser2, ser3], axis=1) #連線三個序列，按行的方向
- ser1.combine_first(ser2) df1.combine_first(df2) #把2合併到1上，並對齊
- df.stack() df.unstack() #列旋轉為行、行旋轉為列
- df.pivot()
- df.duplicated() df.drop_duplicates() #判斷是否為重複資料、刪除重複資料
- df[''].map(lambda x: abs(x)) #將函式對映到df的指定列
- ser.replace(-999, np.nan) #將－999全部替換為nan
- df.rename(index={}, columns={}, inplace=True) #修改索引，inplace為真表示就地修改資料集
- pd.cut(ser, bins) #根據面元bin判斷ser的各個資料屬於哪一個區段，有labels、levels屬性
- df[(np.abs(df)>3).any(1)] #輸出含有“超過3或－3的值”的行
- permutation take #用來進行隨機重排序
- pd.get_dummies(df['key'], prefix='key') #給df的所有列索引加字首key
- df[...].str.contains() df[...].str.findall(pattern, flags=re.IGNORECASE) df[...].str.match(pattern, flags=...) df[...].str.get() #向量化的字串函式
- ----繪圖
- ser.plot() df.plot() #pandas的繪圖工具，有引數label, ax, style, alpha, kind, logy, use_index, rot, xticks, xlim, grid等，詳見page257
- kind='kde' #密度圖
- kind='bar' kind='barh' #垂直柱狀圖、水平柱狀圖，stacked=True為堆積圖
- ser.hist(bins=50) #直方圖
- plt.scatter(x,y) #繪製x,y組成的散點圖
- pd.scatter_matrix(df, diagonal='kde', color='k', alpha='0.3') #將df各列分別組合繪製散點圖
- ----聚合分組
- groupby() 預設在axis=0軸上分組，也可以在1組上分組；可以用for進行分組迭代
- df.groupby(df['key1']) #根據key1對df進行分組
- df['key2'].groupby(df['key1']) #根據key1對key2列進行分組
- df['key3'].groupby(df['key1'], df['key2']) #先根據key1、再根據key2對key3列進行分組
- df['key2'].groupby(df['key1']).size() #size()返回一個含有分組大小的series
- df.groupby(df['key1'])['data1'] 等價於 df['data1'].groupby(df['key1'])
- df.groupby(df['key1'])[['data1']] 等價於 df[['data1']].groupby(df['key1'])
- df.groupby(mapping, axis=1) ser(mapping) #定義mapping字典，根據字典的分組來進行分組
- df.groupby(len) #通過函式來進行分組，如根據len函式
- df.groupby(level='...', axis=1) #根據索引級別來分組
- df.groupby([], as_index=False) #禁用索引，返回無索引形式的資料
- df.groupby(...).agg(['mean', 'std']) #一次使用多個聚合函式時，用agg方法
- df.groupby(...).transform(np.mean) #transform()可以將其內的函式用於各個分組
- df.groupby().apply() #apply方法會將待處理的物件拆分成多個片段，然後對各片段呼叫傳入的函式，最後嘗試將各片段組合到一起
- ----透視交叉
- df.pivot_table(['',''], rows=['',''], cols='', margins=True) #margins為真時會加一列all
- pd.crosstab(df.col1, df.col2, margins=True) #margins作用同上
- ---------------matplotlib---------------
- fig=plt.figure() ＃影象所在的基物件
- ax=fig.add_subplot(2,2,1) #2*2的影象，當前選中第1個
- fig, axes = plt.subplots(nrows, nclos, sharex, sharey) #建立影象，指定行、列、共享x軸刻度、共享y軸刻度
- plt.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)
- #調整subplot之間的距離，wspace、hspace用來控制寬度、高度百分比
- ax.plot(x, y, linestyle='--', color='g') #依據x,y座標畫圖，設定線型、顏色
- ax.set_xticks([...]) ax.set_xticklabels([...]) #設定x軸刻度
- ax.set_xlabel('...') #設定x軸名稱
- ax.set_title('....') ＃設定圖名
- ax.legend(loc='best') #設定圖例， loc指定將圖例放在合適的位置
- ax.text(x,y, 'hello', family='monospace', fontsize=10) #將註釋hello放在x,y處，字型大小為10
- ax.add_patch() #在圖中新增塊
- plt.savefig('...png', dpi=400, bbox_inches='tight') #儲存圖片，dpi為解析度，bbox＝tight表示將裁減空白部分
- ------------------------------------------
- from mpl_toolkits.basemap import Basemap
- import matplotlib.pyplot as plt
- #可以用來繪製地圖
- -----------------時間序列--------------------------
- pd.to_datetime(datestrs) #將字串型日期解析為日期格式
- pd.date_range('1/1/2000', periods=1000) #生成時間序列
- ts.resample('D', how='mean') #取樣，將時間序列轉換成以每天為固定頻率的, 並計算均值；how='ohlc'是股票四個指數；
- ＃重取樣會聚合，即將短頻率（日）變成長頻率（月），對應的值疊加；
- ＃升取樣會插值，即將長頻率變為短頻率，中間產生新值
- ts.shift(2, freq='D') ts.shift(-2, freq='D') #後移、前移2天
- now+Day() now+MonthEnd()
- import pytz pytz.timezone('US/Eastern') #時區操作，需要安裝pytz
- pd.Period('2010', freq='A-DEC') ＃period表示時間區間，叫做時期
- pd.PeriodIndex #時期索引
- ts.to_period('M') #時間轉換為時期
- pd.rolling_mean(...) pd.rolling_std(...) #移動視窗函式－平均值、標準差