numpy和pandas简单使用

import numpy as np
import pandas as pd

一维数据分析

numpy中使用array, pandas中使用series

numpy一维数组array

1.基本使用

a= np.array([2,3,4,5])

a

array([2, 3, 4, 5])

a[0]

2

a[1:3]

array([3, 4])

a.dtype

dtype('int64')

2.向量化计算

a=np.array([1,2,3])

b=np.array([4,5,6])

a + b

array([5, 7, 9])

a * b

array([ 4, 10, 18])

3.统计功能

np.mean(a)

2.0

np.std(a)

0.816496580927726

pandas一维数据结构series

1.基本使用

stocks=pd.Series([54.74,190.0,173.14,1050.3,181.86,1139.49],index=['腾讯','阿里巴巴','苹果', '谷歌', 'Facebook', '亚马逊'])

• 描述统计信息

stocks.describe()

count       6.000000
mean      464.921667
std       491.284358
min        54.740000
25%       175.320000
50%       185.930000
75%       835.225000
max      1139.490000
dtype: float64

• 按照位置取值

stocks.iloc[0]

54.74

• 按照索引取值

stocks.loc['腾讯']

54.74

2.向量化计算

s1 = pd.Series([1,2,3,4], index=['a', 'b', 'c', 'd'])
s2 = pd.Series([10,20,30,40], index=['a', 'b', 'e', 'f'])
s3 = s1 + s2
s3

a    11.0
b    22.0
c     NaN
d     NaN
e     NaN
f     NaN
dtype: float64

• 相同index名称相加，index不同默认结果为NaN
• 下面两种去除NaN的方法

s3.dropna()

a    11.0
b    22.0
dtype: float64

s3 = s1.add(s2, fill_value=0)
s3

a    11.0
b    22.0
c     3.0
d     4.0
e    30.0
f    40.0
dtype: float64

二维数据分析

numpy二维数组array

1.基本使用

a = np.array([[1,2,3, 4],[5,6,7,8],[9,10,11,12]])
a

array([[ 1,  2,  3,  4],[ 5,  6,  7,  8],[ 9, 10, 11, 12]])

a[0,2]

3

• 取第一行

a[0,:]

array([1, 2, 3, 4])

• 取第一列

a[:, 0]

array([1, 5, 9])

• 按行计算均值 axis=1 按行 axis=0 按列

a.mean(axis=1)

array([ 2.5,  6.5, 10.5])

pandas二维数据结构DataFrame

1.基本使用

• 向DataFrame中传入一个字典

salesDict = {'购药时间': ['2018-01-01 星期五', '2018-01-02 星期六', '2018-01-06 星期三'],'社保卡号': ['001616528', '001616528', '0012602828'],'商品编码': [236701, 236701, 236701],'商品名称': ['强力VC银翘片', '清热解毒口服液', '感康'],'销售数量': [6,1,2],'应收金额': [82.8,28,16.8],'实收金额': [69, 24.64, 15]
}

saleDf=pd.DataFrame(salesDict)
saleDf

• 使用OrderedDict保证数据有序

from collections import OrderedDict

salesOrderDict = OrderedDict(salesDict)
salesDf = pd.DataFrame(salesOrderDict)
salesDf

• 统计功能

salesDf.mean()

商品编码    236701.000000
销售数量         3.000000
应收金额        42.533333
实收金额        36.213333
dtype: float64

• 按照位置读取数据

salesDf.iloc[0,1]

'001616528'

• 读取第一行数据

salesDf.iloc[0,:]

购药时间    2018-01-01 星期五
社保卡号         001616528
商品编码            236701
商品名称           强力VC银翘片
销售数量                 6
应收金额              82.8
实收金额                69
Name: 0, dtype: object

• 读取第一列数据

salesDf.iloc[:,0]

0    2018-01-01 星期五
1    2018-01-02 星期六
2    2018-01-06 星期三
Name: 购药时间, dtype: object

• 按照列名称读取数据
• 读取某一列或某几列数据

salesDf.loc[:,'商品名称']

0    强力VC银翘片
1    清热解毒口服液
2         感康
Name: 商品名称, dtype: object

salesDf.loc[:, ['商品名称', '销售数量']]

• 读取列数据的简单写法

salesDf['商品名称']

0    强力VC银翘片
1    清热解毒口服液
2         感康
Name: 商品名称, dtype: object

2.筛选查询

• 构建查询条件

querySet = salesDf.loc[:, '销售数量'] > 1
type(querySet)

pandas.core.series.Series

querySet

0     True
1    False
2     True
Name: 销售数量, dtype: bool

• 应用查询条件

salesDf.loc[querySet,:]

3.pandas读取execl

这里依赖于xlrd

fileNameStr = './手机销售情况.xlsx'
xls = pd.ExcelFile(fileNameStr)

salesDf = xls.parse('Sheet1')

• 读取前5行

salesDf.head()

• 查看数据类型

salesDf.loc[:, '单价'].dtype

dtype('int64')

salesDf.dtypes

商品名称    object
单价       int64
销量       int64
dtype: object

• 查看数据行数列数

salesDf.shape

(4, 3)

• 每一列的描述统计信息

salesDf.describe()