

首页  思维导图  详情



python

2019-11-25 18:00:46   0  举报





仅支持查看

AI智能生成

Python知识图

Python

模版推荐

作者其他创作

大纲/内容

numpy

读取数据

numpy.genfromtxt("文件名",delimiter=",",dtype=str)

帮助文档

help(numpy.genfromtxt)

help(numpy.array)

数组

DataFrame变成numpy array

data['foo'].values

vetor = numpy.array([a,b,c])

对数组进行操作

bool类型数组作为索引

打印数组结构(作用：查错）

vetor.shape

(维数，个数)

.shape[0/1]:0 行，1 列

注意

切片

vetor[0:3]

左闭右开，即取0到2

vetor=[:,1],冒号表示所有行，这里表示取所有行的第一列

vetor[:,0:2]

矩阵

类型转换

.astype(T)

求和

.sum(axis=1)

生成矩阵

矩阵转换

.reshape(m,n)

形成矩阵

.ravel

把矩阵拆解成向量

行列转换位置

矩阵拼接

.hstack(a,b)

横拼接

.vstack(a,b)

竖拼接

.tile(v,(行，列)

把矩阵扩展为原矩阵的行列的倍数

矩阵切分

.hsplit(a,n)

指定具体切分位置

.hsplit(a,(m,n))

.vsplit(a,n)

0值矩阵

.zeros((m,n))

1值矩阵

.ones((i,j,k),dtype=np.int32)

API

获得维度

.ndim

数据类型

.dtype.name

大小

size

生成数据

numpy.arange()

.arange(n)

随机生成n个数

.arange(i,j,k)

生成从i开始到j结束，每k递增的数组

.linespace(i,j,k)

从0开始到j结束，中间平均生成k个值

随机

.random.random((m,n))

np.random.choice(normal_indices, number_records_fraud, replace=False)

(数据,个数,代替)

运算

四则运算

矩阵积

.dot

常用方法

exp(m)

e的次幂

sqrt

开根号

floor

向下取整

合并

np.concatenate([fraud_indices, random_normal_indices])

复制操作

深复制

a=b

深复制，id一样，指向内存同一位置

浅复制

.view()

id不一样，指向不是同一位置，但是共用同一套values

.copy()

位置不同而且值也不共用

索引

.argmax(axis=1/0)

按行/列，找最大值的索引

排序

.sort(v,axis=1/0)

.argsort(v)

有小到大获得索引

Matplotlib

导入

import matplotlib.pyplot as plt

plot（x轴，y轴）

plt.plot(first_twelve['DATE'], first_twelve['VALUE'])

show

显示方式

x轴文字显示方向

plt.xticks(rotation=45)

标题

画颜色线和标记线

找出画图区间

fig = plt.figure()

plt.figure(figsize=(3, 6))

子图

ax1 = fig.add_subplot(2, 2, 1)

柱状图

竖状

ax = plt.subplot()

ax.bar(bar_positions, bar_heights, 0.5)

例子

水平状

ax.barh(),其他一样

散点图

ax.scatter()

例子

柱形图

盒图

常用方法

Data

矩阵

转化矩阵

randMat = mat(x)

零矩阵

zeros（）

变量

打印类型

type()

写入文件

open(name[,mode[,buffering]])

f = open("datingTestSet.txt",'w+')    print >>f,dataArray

读取文件

.read()

每次读取整个文件，它通常用于将文件内容放到一个字符串变量中

Output

print是将之后的内容输出到终端显示;print>>是将内容输出定向到某文件

方法

map()

map()函数接收两个参数，一个是函数，一个是序列，map将传入的函数依次作用到序列的每个元素，并把结果作为新的list返回。

循环

for value in list

顺序循环：for i in range(n)

从0到n-1

if value in list

while 判断条件：

if else

if 判断条件：else 判断条件:

导入

numpy

from numpy import array

数据类型

String

去回车

line.strip()

切割

表格

line.split('\t')

返回数组

转换

将任意值转为字符串：将它传入repr() 或str() 函数。函数str() 用于将值转化为适于人阅读的形式，而repr() 转化为供解释器读取的形式。

类型转换

str()

int()

float()

符号

list

必需声明

value = []

添加元素：append()

长度：len()

Array

Python下标是以0开始的 x[1:3]表示返回集合中下标1至3（不包括3)的元素集合

随机生成数组

random.rand(4,4)

 [-1]表示最后一个，[-1]：最后一个

字典

必需声明

dic={}

dic["key"]=value

dic={"key1"=value1,"key2"=value2}

dic.keys()

"key" in dic:Bool

函数

def method():

逻辑操作符

&与

|或

别名

Pandas(数据分析处理库）

数据类型：DataFrame

String在Pandas中是object

重新拼接

按列拼接

result = pd.concat([np_sin, series_custom_scores], axis=1)

设置index

fandango_films = fandango.set_index('FILM', drop=False)

读取文件

read_csv(file name)

不读取第一行

.read_csv("test.cvs",header=None)#不把第一行作列属性

显示

.head()

表格显示，默认显示前5条

.tail()

从后显示

.colums

显示列名

索引

取列

vector["列名"]

打印全部列名

定位

.loc[n]

loc[83,"Age"]

以上说过的几种方法都要求查询的秩在索引中，或者位置不超过长度范围，而ix允许你得到不在DataFrame索引中的数据。

切片

[:1]

预处理

排序

food_info.sort_values("Sodium_(mg)", inplace=True)

判断缺失值

age_is_null = pd.isnull(age)

过滤缺失值

good_ages = titanic_survival["Age"][age_is_null == False]

自动过滤缺失值并求平均数

.mean()

API

dropna(axis=)

new_titanic_survival = titanic_survival.dropna(axis=0, subset=["Age", "Sex"])

统计量关系（默认求均值）

一对一

passenger_survival = titanic_survival.pivot_table(index="Pclass", values="Survived", aggfunc=np.mean)

一对多

port_stats = titanic_survival.pivot_table(index="Embarked", values=["Fare", "Survived"], aggfunc=np.sum)

函数

排序

new_titanic_survival = titanic_survival.sort_values("Age", ascending=False)

并重新排好序列

new_titanic_survival = titanic_survival.reset_index(drop=True)

自定义函数

apply(自定义函数名)

hundredth_row = titanic_survival_csv.apply(hundredth_row)

离散化

classes = titanic_survival_csv.apply(which_class, axis=1)

Series

DataFrame的一行或一列

ndarray组成一个Series,操作和numpy相通

自定义构造

rt_critics = Series(fandango['RottenTomatoes'].values, index=fandango['FILM'])

string当索引

series_custom[['The Water Diviner (2015)', 'Irrational Man (2015)']]

排序

sorted_index = sorted(original_index)

运算

np.add(series_custom, series_custom)

np.sin(series_custom)

np.max(series_custom)

标准差

rt_mt_user.apply(lambda x: np.std(x), axis=1)

日期

unrate['DATE'] = pd.to_datetime(unrate['DATE'])

抽取月份

pd.to_datetime(unrate['DATE']).dt.month

数数

pd.value_counts(data['Class'], sort=True).sort_index()

数一下Class的值

常用API

字符串

打印

"{} is {}".format(a,b)

替换

replace('.',' ')

剔除

剔除空格

strip()

剔除特定字符

strip('abc')

拆分

split

组合

'a'+'b'

计数字符在字符串中出现的次数

count

切割

str[m:n]

查找字符出现位置

index(symbol)

找不到会报错

从固定位置查找

find(symbol, begin, end)

找不到返回-1

collection

dictionary

遍历

for k in dic

 Collect

Get Started

Python基础知识入门整理

 Collect

Get Started

python

 Collect

Get Started

python概述

 Collect

Get Started

python





0 条评论

下一页