Python数据挖掘学习02--numpy和pandas模块基本使用

一、numpy模块

导入numpy模块并命名为npy

>>> import numpy as npy

1、创建数组

（1）一维数组

>>> x = npy.array(['22','18','15','4'])>>> xarray(['22', '18', '15', '4'],dtype='<U2')>>>

（2）二维数组

>>> y = npy.array([['aa','bb','cc'],['12','14'],['adasd']])>>> yarray([list(['aa', 'bb', 'cc']), list(['12', '14']), list(['adasd'])], dtype=object)>>> 

2、数组排序

>>> a = npy.array([15,22,17,6])>>> aarray([15, 22, 17,  6])>>> a.sort()>>> aarray([ 6, 15, 17, 22])>>> 

3、取最大值最小值

>>> a = npy.array([15,22,17,6])>>> aarray([15, 22, 17,  6])>>> a.min()6>>> a.max()22

注意：两种情况会取不出最大值最小值的情况
1、数组中有不为数字的项

>>> a = npy.array([['15','22','17','6'],['12','23']]) #不为数字>>> a.min()['12','23']  #就会出现找不出最小数的情况

2、数组同一维度中长度不同也会报错

>>> a = npy.array([[15,22],[7,6,7]]) >>> a.min()[15,22]

4、切片

a[0:2]相当于取a数组中下表为0到2但不包含2下标的数组，也就是说是取a[0],a[1]

>>> a = npy.array([2,3,4,5,1,2,3])>>> aarray([2, 3, 4, 5, 1, 2, 3])>>> a[0:2]   #取0~2的数组但不包含2array([2, 3])>>> a[:-1]  #取到最后一位，但不包含最后一位array([2, 3, 4, 5, 1, 2])>>> a[1:]  #下标为1后的所有数，包含第一一位array([3, 4, 5, 1, 2, 3])>>> a[:]  #取所有数array([2, 3, 4, 5, 1, 2, 3])

二、pandas模块

导入pandas模块并命名为pda

>>> import pandas as pda

1、Series：序列

>>> a = pda.Series([1,2,3,4,5])>>> a0    11    22    33    44    5dtype: int64

1、Series：序列

>>> a = pda.Series([1,2,3,4,5])>>> a0    11    22    33    44    5dtype: int64

2、DataFrame:数据框，有行有列

>>> c = pda.DataFrame([[1,2,3],[2,3,4],[3,2,5]])>>> c   0  1  20  1  2  31  2  3  42  3  2  5

（1）取头部或尾部几行

#取头部，默认5行>>> c.head()   0  1  20  1  2  31  2  3  42  3  2  5#取头部2行>>> c.head(2)   0  1  20  1  2  31  2  3  4#取尾部，默认5行>>> c.tail()   0  1  20  1  2  31  2  3  42  3  2  5#取尾部2行>>> c.tail(2)   0  1  21  2  3  42  3  2  5

（2）描述

>>> c.describe()         0         1    2count  3.0  3.000000  3.0mean   2.0  2.333333  4.0std    1.0  0.577350  1.0min    1.0  2.000000  3.025%    1.5  2.000000  3.550%    2.0  2.000000  4.075%    2.5  2.500000  4.5max    3.0  3.000000  5.0

count：每一列的个数
mean：每一列的平均数

（3）反转

>>> c   0  1  20  1  2  31  2  3  42  3  2  5>>> c.T   0  1  20  1  2  31  2  3  22  3  4  5