Jupyter notebook和pandas的基本使用
来源:互联网 发布:虚拟按键软件代码 编辑:程序博客网 时间:2024/05/22 04:27
这里先学习下Anaconda的Jupyter的用法:
1. Jupyter notebook的使用
(1)更改Jupyter notebook的工作空间
- 进入工作目录文件夹
- 键盘Shift+鼠标右键(同时按下)->在此处打开命令窗口-> 在弹出的命令窗口中输入:Jupyter Notebook
- Jupyter会被打开,并且定位到当前目录!
(2)Jupyter的各种快捷键
- 执行当前cell,并自动跳到下一个cell:
Shift+Enter
- 执行当前cell,执行后不自动调转到下一个cell:
Ctrl+Enter
- 使当前的cell进入编辑模式:
Enter
- 退出当前cell的编辑模式:
Esc
- 删除当前的cell:双击按键d
- 为当前的cell加入line number:单L
- 将当前的cell转化为具有一级标题的maskdown:单1
- 将当前的cell转化为具有二级标题的maskdown:单2
- 将当前的cell转化为具有三级标题的maskdown:单3
- 为一行或者多行添加/取消注释:
Crtl /
- 撤销对某个cell的删除:z
- 浏览器的各个Tab之间切换:
Crtl PgUp
和Crtl PgDn
- 快速跳转到首个cell:
Crtl Home
- 快速跳转到最后一个cell:
Crtl End
(3)Jupyter Notebook导入代码
将本地的.py文件load到jupyter的一个cell中
例如:现在有一个test.py文件,需要将其载入到jupyter的一个cell中
(1)在需要导入该段代码的cell中输入:%load test.py
,其中test.py是当前路径下的一个python文件。
(2)运行该cell :利用快捷键“Shift+Enter”
(3)可以看到,运行后,%load test.py
被自动加入了注释符号#,test.py中的所有代码都被load到了当前的cell中。
(4)Jupyter运行python文件
利用jupyter的cell是可以运行python文件的,即在cell中运行如下代码 %run file.py
:file.py为要运行的python程序,结果会显示在该cell中 。
(5)为Jupyter Notebook添加目录功能
原始的Jupyter是不支持markdown添加目录功能的,但可以利用Jupyter notebook extensions去使得这种功能实现。
具体步骤:
- 利用Anaconda安装Jupyter Notebook extensions
conda install -c conda-forge jupyter_contrib_nbextensions
如果是同时安装了Anaconda2和Anaconda3的话,会报错。
- 打开Jupyter Notebook,在它的(新增的)Nbextensions标签下勾选“Table of Contents(2)
- 打开一个.jpynb文件,目录功能可用了!
(6)在jupyter中设置link,需要设置两部分:
- 要跳到的位置(the destination) ,需要在要跳转到的位置添加下面语句:
(7)Jupyter的一些技巧
获取current working directory:即当前运行的代码所在的路径
具体方法:current_path = %pwd
这样得到的current_path就是当前工作路径的字符串。使用Matplotlib绘图
在Jupyter Notebook中,如果使用Matplotlib绘图,有时是弹不出图像框的,此时,可以在开头加入:%matplotlib inline
参考:http://blog.csdn.net/tina_ttl/article/details/51031113
2. pandas中DataFrame类型数据操作函数
2.1 基本使用
python数据分析工具pandas中DataFrame和Series作为主要的数据结构,这里整理下:
(1)查看DataFrame数据及属性:
- df_obj = DataFrame() # 创建DataFrame对象
- df_obj.dtypes # 查看各行的数据格式
- df_obj[‘列名’].astype(int) # 转换某列的数据类型
- df_obj.head() # 查看前几行的数据,默认前5行
- df_obj.tail() # 查看后几行的数据,默认后5行
- df_obj.index # 查看索引
- df_obj.columns # 查看列名
- df_obj.values # 查看数据值
- df_obj.describe() # 描述性统计
- df_obj.T # 转置
- df_obj.sort_values(by=[”,”])
(2)使用DataFrame操作数据:
- df_obj.ix[1:3] # 获取1-3行的数据,切片操作获取行数据
- df_obj.ix[columns_index] # 获取列的数据
- df_obj.ix[1:3,[1,3]] # 获取1列和3列的1~3行数据
- df_obj[columns].drop_duplicates() # 剔除重复行数据
- df_obj.ix[1:3,[1,3]]=1 # 所选位置数据替换为1
(3)使用DataFrame筛选数据(类似SQL中的WHERE):
alist = ['023-18996609823']df_obj['用户号码'].isin(alist) #将要过滤的数据放入字典中,使用isin对数据进行筛选,返回行索引以及每行筛选的结果,若匹配则返回turedf_obj[df_obj['用户号码'].isin(alist)] #获取匹配结果为ture的行
(4)使用DataFrame模糊筛选数据(类似SQL中的LIKE):
df_obj[df_obj['套餐'].str.contains(r'.*?语音CDMA.*')] #使用正则表达式进行模糊匹配,*匹配0或无限次,?匹配0或1次
(5)使用DataFrame进行数据转换
df_obj['支局_维护线'] = df_obj['支局_维护线'].str.replace('巫溪分公司(.{2,})支局','\\1') # 可以使用正则表达式
可以设置take_last=ture
保留最后一个,或保留开始一个。
补充说明:注意take_last=ture
已过时,请使用keep=last
。
(6)使用pandas中读取数据:
read_csv(r'D:\LQJ.csv',sep=';',nrows=2) #首先输入csv文本地址,然后分割符选择等等df.to_excel('foo.xlsx',sheet_name='Sheet1') # 写入读取excel数据pd.read_excel('foo.xlsx', 'Sheet1', index_col=None, na_values=['NA'])pd.read_excel # 读取的数据是以DataFrame形式存储df.to_hdf('foo.h5','df')pd.read_hdf('foo.h5','df')#写入读取HDF5数据
(7)使用pandas聚合数据(类似SQL中的GROUP BY 或HAVING):
data_obj['用户标识'].groupby(data_obj['支局_维护线'])data_obj.groupby('支局_维护线')['用户标识'] #上面的简单写法adsl_obj.groupby('支局_维护线')['用户标识'].agg([('ADSL','count')])#按支局进行汇总对用户标识进行计数,并将计数列的列名命名为ADSL
(8)清理数据
df[df.isnull()]df[df.notnull()]df.dropna() # 将所有含有nan项的row删除df.dropna(axis=1,thresh=3) # 将在列的方向上三个为NaN的项删除df.dropna(how='ALL')# 将全部项都是nan的row删除填充值df.fillna(0)df.fillna({1:0,2:0.5}) # 对第一列nan值赋0,第二列赋值0.5df.fillna(method='ffill') # 在列方向上以前一个值作为值赋给NaN
2.2 示例:
DataFrame提供的是一个类似表的结构,由多个Series组成,而Series在DataFrame中叫columns。
(1)参数:二维array和Series 列表的区别
import pandas as pd import numpy as nps1=np.array([1,2,3,4])s2=np.array([5,6,7,8])df1=pd.DataFrame([s1,s2])print df1print '.............................'s3=pd.Series(np.array([1,2,3,4]))s4=pd.Series(np.array([5,6,7,8]))df2=pd.DataFrame([s3,s4])print df2
从运行结果可以看出Series效果与二维array相同。
(2)value为Series的字典结构时:
import pandas as pdimport numpy as nps1=pd.Series(np.array([1,2,3,4]))s2=pd.Series(np.array([5,6,7,8]))df=pd.DataFrame({"a":s1,"b":s2});print df
(3)df.ix[条件,then操作区域]:if-then 操作
import pandas as pd import numpy as npdf=pd.DataFrame({"A":[1,2,3,4],"B":[5,6,7,8],"C":[1,1,1,1]})print dfprint '.....................'df.ix[df.A>1,'B']= -1print df
有点类似列表推导式。。
(4)np.where(条件,then,else)
import pandas as pd import numpy as npdf=pd.DataFrame({"A":[1,2,3,4],"B":[5,6,7,8],"C":[1,1,1,1]})print dfprint '.............'df["then"]=np.where(df.A<3,1,0)print df
(5)根据条件选择取DataFrame:
直接取值df.[]和.loc[]
import pandas as pd import numpy as npdf=pd.DataFrame({"A":[1,2,3,4],"B":[5,6,7,8],"C":[1,1,1,1]})print dfprint '............'df=df[df.A>=2]print dfprint '............'df=df.loc[df.A>=2]print df
(6)
import pandas as pd import numpy as npfrom functools import reducedf = pd.DataFrame({'AAA' : [4,5,6,7], 'BBB' : [10,20,30,40],'CCC' : [100,50,-30,-50]})Crit1 = df.AAA <= 5.5Crit2 = df.BBB == 10.0Crit3 = df.CCC > -40.0print dfprint '....................'print Crit1print '....................'AllCrit = Crit1 & Crit2 & Crit3CritList = [Crit1,Crit2,Crit3]print CritListAllCrit = reduce(lambda x,y: x & y, CritList)print '.....................'print AllCritprint df[AllCrit]
df = pd.DataFrame({'AAA' : [4,5,6,7], 'BBB' : [10,20,30,40],'CCC' : [100,50,-30,-50]})Crit1 = df.AAA <= 5.5Crit2 = df.BBB == 10.0Crit3 = df.CCC > -40.0print dfprint '....................'print Crit1print '....................'AllCrit = Crit1 & Crit2 & Crit3CritList = [Crit1,Crit2,Crit3]print CritListAllCrit = reduce(lambda x,y: x & y, CritList)print '.....................'print AllCritprint df[AllCrit]
AAA BBB CCC0 4 10 1001 5 20 502 6 30 -303 7 40 -50....................0 True1 True2 False3 FalseName: AAA, dtype: bool....................[0 True1 True2 False3 FalseName: AAA, dtype: bool, 0 True1 False2 False3 FalseName: BBB, dtype: bool, 0 True1 True2 True3 FalseName: CCC, dtype: bool].....................0 True1 False2 False3 Falsedtype: bool AAA BBB CCC0 4 10 100
python中的reduce内建函数是一个二元操作函数,他用来将一个数据集合(链表,元组等)中的所有数据进行下列操作:用传给reduce中的函数 func()(必须是一个二元操作函数)先对集合中的第1,2个数据进行操作,得到的结果再与第三个数据用func()函数运算,最后得到一个结果。
(7)Grouping的使用:
groupby 形成group和get_group 取出其中一分组
import pandas as pd import numpy as npdf = pd.DataFrame({'animal': 'cat dog cat fish dog cat cat'.split(), 'size': list('SSMMMLL'), 'weight': [8, 10, 11, 1, 20, 12, 12], 'adult' : [False] * 5 + [True] * 2});print df#列出动物中weight最大的对应sizegroup=df.groupby("animal").apply(lambda subf: subf['size'][subf['weight'].idxmax()])print group
cookbook
参考:http://blog.csdn.net/ly_ysys629/article/details/54428838
- Jupyter notebook和pandas的基本使用
- Jupyter Notebook的使用
- linux/ubuntu下IPython、IPython Notebook(jupyter)的安装和基本使用
- IPython notebook(Jupyter Notebook) 的使用
- Anaconda Jupyter Notebook的使用
- 远程使用内网服务器的tensorboard和jupyter notebook
- jupyter notebook中美化pandas中DataFrame的输出
- Jupyter Notebook基本操作
- jupyter notebook基本用法
- 安装使用jupyter(原来的notebook)
- jupyter notebook的安装与使用
- jupyter notebook的安装与使用
- jupyter notebook的安装与使用
- jupyter notebook的安装与使用
- jupyter notebook的安装与使用
- jupyter notebook的安装与使用
- jupyter notebook的安装与使用
- Anaconda集成的Jupyter notebook消失,该如何使用Jupyter?
- 学生排队
- 推箱子
- erlang gen_fsm源码分析
- Selenium--显示等待和隐式等待
- C语言操作符的介绍及总结
- Jupyter notebook和pandas的基本使用
- map&reduce
- 学习python:语法(一)
- C#使用GeoJSON点集合创建类型为ArcGIS Geometry的外接正方形
- 2017 开放学术精准画像大赛
- numpy缩放图片/调整图片大小
- C++类-1
- C&C++搭建环境——微软IDE:Visual Studio
- append()函数