【数据分析&数据挖掘】numpy、pandas&matplotlib
import numpy as np import pandas as pd """ numpy --科学计算库 核心---ndarray 本质: 存储单一数据类型的 内存连续的 N维数组 C F 风格存储 matplotlib ---数据可视化的库 能绘制2-D 与 3-D 图形 pandas ----进行数据处理的库 里面封装了部分numpy 与matplotlib 功能 结构核心: 常用两种结构: series --存储一维结构 与dataframe相比,只含有行索引,没有列索引 dataframe(重中之重)----存储二维结构 数据相比ndarray 多了行索引、与列索引 """ # 将columns 与 values 合并为同一个数据----合并结果什么类型---数组 res = np.load("./国民经济核算季度数据.npz") columns = res["columns"] values = res["values"] print("columns :\n", columns) print("values :\n", values) # print("*" * 100) # # # # numpy合并数据 res_array = np.concatenate((columns.reshape(1,-1), values), axis=0) # print("res_array:\n",res_array) # 将数组转化为dataframe # 将 上面的columns 与 values 转化为pandas 中的dataframe结构 # data----真实数据 # index ---行索引的名称 # columns ---列索引的名称 index = ["index_"+ str(i) for i in range(values.shape[0])] print(index) res_df = pd.DataFrame(data=values, columns=columns,index=index) print("res_df:\n", res_df) # # 自己创建一个df df = pd.DataFrame( data={ "name": ["zs", "ls", "ww"], "score": [97, 89, 92.5], "age": [21, 22, 23] }, index=["stu_1", "stu_2", "stu_3"] ) print("df:\n", df) print("df 的维度:\n", df.ndim) print("df的类型:\n", type(df)) # print("*" * 100) # 将dataframe 转化为series # series ??? se = df["name"] print("se:\n",se) print("se 的类型:\n",type(se)) # 自己创建series # data --series 真实的值 se = pd.Series( data=["zs","ls","ww"], index=["stu_1","stu_2","stu_3"] ) print("se:\n",se) print("se 的维度:\n",se.ndim) print("se 的类型:\n",type(se)) # numpy arr = np.array([1,2,3,4]) # 将简单列表转化为数组 arr = np.array([[1,2,3,4],[2,3,4,5]]) # 将列表嵌套转化为数组 arr = np.array([[[1,2,3,4],[2,3,4,5]],[[1,2,3,4],[2,3,4,5]]]) print(‘arr:\n‘,arr) print(‘arr的类型:\n‘,type(arr)) # <class ‘numpy.ndarray‘> print(‘arr的维度: ‘, arr.ndim) print(‘arr的形状: ‘, arr.shape) print(‘arr的大小: ‘, arr.size) print(‘arr元素的数据类型: ‘, arr.dtype) print(‘arr每一个元素的大小 :‘, arr.itemsize)
相关推荐
meylovezn 2020-09-15
wordmhg 2020-07-28
syThinkCool 2020-07-16
adamlovejw 2020-06-20
woxmh 2020-06-03
maybeyoucan 2020-05-17
jiahaohappy 2020-05-11
laohyx 2020-05-07
Tonybo 2020-04-27
liusarazhang 2020-04-10
tengyunjiawucom 2020-03-27
wangdaren 2020-03-27
Leonwey 2020-03-03
xinhao 2020-02-18
Jonderwu 2020-02-10
数据齿轮 2020-01-31
FrederickBala 2020-01-29
Laozizuiku 2020-01-13