淺析Python資料處理

本篇文章給大家分享了關於Python資料處理的相關內容以及要點解釋，對此知識點有興趣的朋友可以參考學習下。

Numpy、Pandas是Python資料處理中常用到的兩個框架，都是採用C語言編寫，所以運算速度快。 Matplotlib是Python的的畫圖工具，可以把之前處理後的資料透過影像繪製出來。之前只是看過文法，沒有系統學習總結過，這篇部落格文章總結了這三個架構的API。

以下是這三個框架的簡單介紹和區別：

• Numpy：經常用於資料生成和一些運算

• Pandas：基於Numpy建構的，是Numpy的升級版本

• #Matplotlib：Python中強大的繪圖工具
  

Numpy

Numpy快速入門教學可參考：Numpy tutorial

Numpy屬性

ndarray.ndim：維度

ndarray.shape：行數和列數，例如(3, 5)

#ndarray.size：元素的數量

##ndarray. dtype：元素類型

Numpy建立

array(object, dtype=None)：使用Python的list或tuple建立資料

# zeors(shape, dtype=float)：建立全為0的資料

ones(shape, dtype=None)：建立全為1的資料

empty( shape, dtype=float)：建立沒有初始化的資料

arange([start, ]stop, [step, ]dtype=None)：建立固定間隔的資料段

#linspace(start, stop, num=50, dtype=None)：在給定的範圍，均勻的創建資料

Numpy運算

#加、減：a b、a - b

乘：b*2、10*np.sin(a)

次方：b**2

判斷：a2b498499124886eaeed52b4e899ab1be 0]

Pandas處理遺失資料

刪除遺失資料的行：df.dropna(how='any')

填入遺失數據：df.fillna(value=5)

資料值是否為NaN：pd.isna(df1)

##Pandas合併資料

#pd.concat([df1, df2, df3], axis=0)：合併df

pd.merge(left, right, on='key')：依據key欄位合併

df.append(s, ignore_index=True)：新增資料

Pandas導入導出

##df.to_csv('foo.csv' )：儲存到csv檔

pd.read_csv('foo.csv')：從csv檔讀取

df.to_excel('foo.xlsx', sheet_name='Sheet1')：儲存到excel檔案

pd.read_excel('foo.xlsx', 'Sheet1', index_col=None, na_values=['NA'])：從excel檔案讀取

Matplotlib

這裡只介紹最簡單的出圖方式：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 随机生成1000个数据
data = pd.Series(np.random.randn(1000),index=np.arange(1000))
# 为了方便观看效果, 我们累加这个数据
data.cumsum()
# pandas 数据可以直接观看其可视化形式
data.plot()
plt.show()

##相關推薦：

淺聊python日誌的設定檔路徑問題

################################################### #

以上是淺析Python資料處理的詳細內容。更多資訊請關注PHP中文網其他相關文章！