目录
numpy模块 创建numpy数组numpy数组的常用属性获取numpy二数组行列数切割numpy数组numpy数组元素替换numpy数组的合并numpy常用函数matplotlib模块pandas模块定义：numpy是python的一种开源的数值计算扩展库。用来存储和处理大型numpy数组(矩阵)
numpy库有两个作用：
区别于list列表,提供了数组操作、数组运算、以及统计分布和简单的数学模型。计算速度快，甚至要由于python内置的简单运算，使得其成为pandas、sklearn等模块的依赖包。高级的框架如TensorFlow、pyTorch等，其数组操作和numpy非常相似。dtype数据类型：bool_, int(8,16,32,64) , float(16,32,64)
# 新建numpy数组，数据类型为float32 arr = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float32) print(arr) # [[1. 2. 3.] # [4. 5. 6.]]dtype 查看数组元素的数据类型
print(arr.dtype) # float32astype：数据类型转换
arr = arr.astype(np.int32) print(arr.dtype) print(arr) # int32 # [[1 2 3] # [4 5 6]]T：数组的转置（行列互换）
print(arr.T) # [[1. 4.] # [2. 5.] # [3. 6.]]size：查看数组元素的个数
print(arr.size) # 6ndim：查看数组的维数
print(arr.ndim) # 2shape：查看数组的维度大小（行，列）元组形式
print(arr.shape) # (2, 3)获取numpy数组的行和列构成的数组
# 新建numpy二维数组 arr = np.array([[1, 2, 3], [4, 5, 6]]) print(arr) [[1 2 3] [4 5 6]] print(arr.shape) # (2, 3)获取numpy数组的行
# 获取numpy数组的行 print(arr.shape[0]) # 2获取numpy数组的列
print(arr.shape[1]) # 3切分numpy数组类似于列表的切割，但是与列表的切割不同的是，numpy数组的切割涉及到行和列的切割，但是两者切割的方式都是从索引0开始，并且取头不取尾。
取所有元素
# 新建二维数组 arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) print(arr) '''[[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]]''' print(arr[:, :]) # [行,列] '''[[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]]'''取第一行的所有元素
print(arr[:1, :]) # [[1 2 3 4]] print(arr[0, [0, 1, 2, 3]]) # [1 2 3 4]取第一列的所有元素
print(arr[:, :1]) # [[1] # [5] # [9]] print(arr[(0, 1, 2), 0]) # [1 5 9]取第一行第一列的元素
print(arr[(0, 1, 2), 0]) # [1 5 9] print(arr[0, 0]) # 1取大于5的元素，返回一个数组
print(arr[arr > 5]) # [ 6 7 8 9 10 11 12]取第一行的所有元素，并且让第一行的元素都为0
arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) print(arr) '''[[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]]''' arr1 = arr.copy() arr1[:1, :] = 0 print(arr1) '''[[ 0 0 0 0] [ 5 6 7 8] [ 9 10 11 12]]'''取所有大于5的元素，并且让大于5的元素为0
arr2 = arr.copy() arr2[arr > 5] = 0 print(arr2) '''[[1 2 3 4] [5 0 0 0] [0 0 0 0]]'''对numpy数组清零
arr3 = arr.copy() arr3[:, :] = 0 print(arr3) '''[[0 0 0 0] [0 0 0 0] [0 0 0 0]]'''合并两个numpy数组的行
# 注意使用hstack()方法合并numpy数组，numpy数组应该有相同的行 print(np.hstack((arr1, arr2))) '''[[ 1 2 7 8] [ 3 4 9 10] [ 5 6 11 12]]'''合并两个numpy数组的列
# 注意使用vstack()方法合并numpy数组，numpy数组应该有相同的列 print(np.vstack((arr1, arr2))) '''[[ 1 2] [ 3 4] [ 5 6] [ 7 8] [ 9 10] [11 12]]'''合并两个numpy数组
# 合并两个numpy数组，其中axis=1表示合并两个numpy数组的行 print(np.concatenate((arr1, arr2), axis=1)) '''[[ 1 2 7 8] [ 3 4 9 10] [ 5 6 11 12]]''' # 合并两个numpy数组，其中axis=0表示合并两个numpy数组的列 print(np.concatenate((arr1, arr2), axis=0)) '''[[ 1 2] [ 3 4] [ 5 6] [ 7 8] [ 9 10] [11 12]]'''array()：将列表转换为数组，可选择显式指定dtype
arr = np.array([1, 2, 3]) # 创建一维数组 print(arr) # [1 2 3]arange()：range的numpy版，支持浮点数
# 构造0-9的ndarray数组 [0 1 2 3 4 5 6 7 8 9] print(np.arange(10)) # 构造1-4的ndarray数组 [1 2 3 4] print(np.arange(1, 5)) # 构造1-19且步长为2的ndarray数组 [ 1 3 5 7 9 11 13 15 17 19] print(np.arange(1, 20, 2))linspace()：类似arange()，第三个参数为数组长度
# 构造一个等差数列，取头也取尾，从0取到20，取5个数 print(np.linspace(0, 20, 5)) # [ 0. 5. 10. 15. 20.] # 构造一个数列，取头也取尾，从1取到100，取10个数 print(np.linspace(1, 100, 10)) # [ 1. 12. 23. 34. 45. 56. 67. 78. 89. 100.]zeros()：根据指定形状和dtype创建全0数组
# 创建一个2*3的全0数组 print(np.ones((2, 3))) '''[[1. 1. 1.] [1. 1. 1.]]'''ones()：根据指定形状和dtype创建全1数组
# 创建一个2*3的全1数组 print(np.zeros((2, 3))) '''[[0. 0. 0.] [0. 0. 0.]]'''eye()：创建单位矩阵
# 构造3个主元的单位numpy数组 print(np.eye(3, 3)) '''[[1. 0. 0.] [0. 1. 0.] [0. 0. 1.]]'''empty()：创建一个元素随机的数组
# 构造一个4*4的随机numpy数组，里面的元素是随机生成的 print(np.empty((4, 4))) '''[[6.23042070e-307 1.42417221e-306 7.56595733e-307 3.56043054e-307] [7.56595733e-307 1.00131040e-307 8.34426464e-308 6.23038336e-307] [1.42419394e-306 6.23059726e-307 1.06810268e-306 6.89809904e-307] [1.42420481e-306 1.24612013e-306 8.01091099e-307 9.34603679e-307]]'''reshape()：重塑形状
arr1 = np.zeros((1, 12)) print(arr1.reshape((3, 4))) '''[[0. 0. 0. 0.] [0. 0. 0. 0.] [0. 0. 0. 0.]]'''定义：是一个绘图库，它可以创建常用的统计图，包括条形图，箱型图，折线图，散点图，饼图，直方图。
条形图：
from matplotlib import pyplot as plt #(潮流约定俗成的 当做plt) from matplotlib.font_manager import FontProperties #修改字体 font = FontProperties(fname='C:\Windows\Fonts\simsun.ttc') #字体的路径 plt.style.use('ggplot') # 设置背景为条纹 clas = ['3班','4班','5班','6班'] #x坐标的内容 students = [50,55,45,60] #y坐标的内容 clas_index = range(len(clas))#班级的索引 plt.bar(clas_index,students,color='darkblue')#班级索引，学生人数，还有画布颜色 plt.xlabel('学生',fontproperties=font)#中文打印出来会乱码，因为matplotlib是英文的，所以规定了字体 plt.ylabel('学生人数',fontproperties=font)#中文打印出来会乱码，因为matplotlib是英文的，所以规定了字体 plt.title('班级-学生人数',fontproperties=font,fontsize=20,fontweight=25)#顶部标题 plt.xticks(clas_index,clas,fontproperties=font)#中文打印出来会乱码，因为matplotlib是英文的，所以规定了字体 plt.show()#显示画布直方图：
import numpy as np from matplotlib import pyplot as plt from matplotlib.font_manager import FontProperties font = FontProperties(fname='C:\Windows\Fonts\simsun.ttc') plt.style.use('ggplot') x1 = np.random.rand(10000) x2 = np.random.rand(10000) fig = plt.figure()#生成一张画布 ax1 = fig.add_subplot(1,2,1)#1行2列取第一个 ax2 = fig.add_subplot(1,2,2) ax1.hist(x1,bins=50,color = 'darkblue') ax2.hist(x2,bins=50,color = 'y') fig.suptitle('两个正态分布',FontProperties=font,Fontsize = 20) ax1.set_title('x1的正态分布',FontProperties=font)#加子标题 ax2.set_title('x2的正态分布',FontProperties=font) plt.show()折线图：
import numpy as np from matplotlib import pyplot as plt from matplotlib.font_manager import FontProperties font = FontProperties(fname='C:\Windows\Fonts\simsun.ttc') plt.style.use('ggplot') np.random.seed(10)#（x -- 10就相当于x变量）改变随机数生成器的种子seed。起到一个限制范围作用 x1 = np.random.rand(40).cumsum()#cumsum()是计算数组各行的累加值 x2 = np.random.rand(40).cumsum() x3 = np.random.rand(40).cumsum() x4 = np.random.rand(40).cumsum() plt.plot(x1,c='r',linestyle='-',marker='o',label ='红圆线')#marker就是折点的类型 plt.plot(x2,c='y',linestyle='--',marker='*',label ='黄圆线')#linestyle就是折线的类型 plt.plot(x3,c='b',linestyle='-.',marker='s',label ='蓝圆线')#c就是color的缩写表示颜色类型 plt.plot(x4,c='black',linestyle=':',marker='s',label ='黑圆线') plt.legend(loc='best',prop = font)#显示折点（label）的类型在最佳位置就是左上角 plt.show()散点图+直线图：
import numpy as np from matplotlib import pyplot as plt from matplotlib.font_manager import FontProperties font = FontProperties(fname='C:\Windows\Fonts\simsun.ttc') plt.style.use('ggplot') fig = plt.figure()#python中fig，ax=plt.subplots是python一种subplot可以画出很多子图 ax1 = fig.add_subplot(1,2,1)#添加一个子图 ax2 = fig.add_subplot(1,2,2) x = np.arange(20) y = x ** 2 x2 = np.arange(20) y2 = x2 ax1.scatter(x,y, c = 'r',label = '红') ax1.scatter(x2,y2, c = 'b',label = '蓝') ax2.plot(x,y) ax2.plot(x2,y2) fig.suptitle('两张图',FontProperties=font,fontsize=15) ax1.set_title('散点图',FontProperties=font) ax2.set_title('折线图',FontProperties=font) ax1.legend(prop = font) plt.show()操作Excel/json/sql/ini/csv（配置文件）
import numpy as np import pandas as pd np.random.seed(10) index = pd.date_range('2019-01-01', periods=6, freq='M')#periods周期 #freq频率 # print(index) columns = ['c1', 'c2', 'c3', 'c4']#列头，相当于索引 # print(columns) val = np.random.randn(6, 4)#6行4列 # print(val) df = pd.DataFrame(index=index, columns=columns, data=val)#索引，列，数据（表格的内容） print(df) # 保存文件，读出成文件 df.to_excel('date_c.xlsx')运行结果：
c1 c2 c3 c4 2019-01-31 1.331587 0.715279 -1.545400 -0.008384 2019-02-28 0.621336 -0.720086 0.265512 0.108549 2019-03-31 0.004291 -0.174600 0.433026 1.203037 2019-04-30 -0.965066 1.028274 0.228630 0.445138 2019-05-31 -1.136602 0.135137 1.484537 -1.079805 2019-06-30 -1.977728 -1.743372 0.266070 2.384967按照索引取值：
print(df.loc['2019-01-31'])运行结果：
c1 1.331587 c2 0.715279 c3 -1.545400 c4 -0.008384 Name: 2019-01-31 00:00:00, dtype: float64按索引取值，加上范围（这里加的是时间范围）
print(df.loc['2019-01-31':'2019-05-31'])运行结果：
c1 c2 c3 c4 2019-01-31 1.331587 0.715279 -1.545400 -0.008384 2019-02-28 0.621336 -0.720086 0.265512 0.108549 2019-03-31 0.004291 -0.174600 0.433026 1.203037 2019-04-30 -0.965066 1.028274 0.228630 0.445138 2019-05-31 -1.136602 0.135137 1.484537 -1.079805按照value取值：
print(df) print(df.iloc[0, 0])#就是取第一个数值 运行结果： 1.331586504129518 df.iloc[0, :] = 0#就是让第一行的值都为0 print(df)运行结果：
c1 c2 c3 c4 2019-01-31 0.000000 0.000000 0.000000 0.000000 #这一行就是取的值 2019-02-28 0.621336 -0.720086 0.265512 0.108549 2019-03-31 0.004291 -0.174600 0.433026 1.203037 2019-04-30 -0.965066 1.028274 0.228630 0.445138 2019-05-31 -1.136602 0.135137 1.484537 -1.079805 2019-06-30 -1.977728 -1.743372 0.266070 2.384967转载于:https://www.cnblogs.com/gfhh/p/11609265.html
