Pandas 教程-Pandas NumPy

整理： python架构师

Numerical Python（Numpy）被定义为一个用于执行各种数值计算和处理多维和单维数组元素的Python包。使用Numpy数组进行的计算比普通的Python数组更快。 这个包是由Travis Oliphant于2005年创建的，通过将祖先模块Numeric的功能添加到另一个模块Numarray中而创建的。它还能够处理大量数据，并且在矩阵乘法和数据重塑方面非常方便。 NumPy主要是用C语言编写的，它是Python的一个扩展模块。 Pandas是建立在NumPy数组之上的，因此NumPy帮助我们更有效地使用Pandas。 创建数组 数组的主要任务是在单个变量中存储多个值。它定义了可以在NumPy中轻松处理的多维数组，如下面的示例所示： 示例

# import the "array" for demonstrating array operations  import array  # initializing an array with array values and signed integers  arr = array.array('l', [2, 4, 6, 8, 10, 12])   # print the original array  print ("New created array: ",end="")  for l in range (0,5):  print (arr[l], end=" ")  print ("\r")

输出:

New created array: 2 4 6 8 10

专属福利 
👉点击领取：最全Python资料合集

布尔索引

布尔索引被定义为NumPy的一个重要工具，经常在Pandas中使用。其主要任务是使用DataFrame中的实际数据值。我们可以通过不同的方式在布尔索引中过滤数据，如下所示：

• 使用布尔索引访问DataFrame。
• 将布尔掩码应用于DataFrame。
• 基于列值掩码数据。
• 基于索引值掩码数据。

示例1 此示例演示如何使用布尔索引访问DataFrame：

# importing pandas as pd  import pandas as pd  # dictionary of lists   dict = {'name':["Smith", "William", "Phill", "Parker"],           'age': ["28", "39", "34", "36"]}   info = pd.DataFrame(dict, index = [True, True, False, True])   print(info)

输出:

name    ageTrue     Smith    28True   William   39False    Phill   34True    Parker    36

示例2 此示例演示如何使用.loc[]通过布尔索引访问DataFrame：

# importing pandas as pd  import pandas as pd  # dictionary of lists   dict = {'name':["Smith", "William", "Phill", "Parker"],           'age': ["28", "39", "34", "36"]}   info = pd.DataFrame(dict, index = [True, True, False, True])   # accessing a dataframe using .loc[] function    print(info.loc[True])

输出:

name    ageTrue     Smith    28True   William    39True    Parker    36

重塑数组

重塑数组用于在不更改数据的情况下重塑数组。 语法

numpy.reshape(a, newshape, order='C')

参数

• a：定义要重塑的数组。
• newshape：定义应与原始形状兼容的新形状。对于整数值，结果将是该长度的1-D数组。一个形状维度可以是-1。
• order：这是一个可选参数，它通过使用索引顺序读取元素，并使用索引顺序将元素放入重塑后的数组。

返回： 返回重塑后的数组。 示例

import numpy as np  arr = np.arange(16)  print("The Original array is: \n", arr)  # shape array with 2 rows and 8 columns  arr = np.arange(16).reshape(2, 8)  print("\nreshapedarray: \n", arr)  # shape array with 2 rows and 8 columns  arr = np.arange(16).reshape(8 ,2)  print("\nreshaped array: \n", arr)

输出:

The Original array is:  [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15]reshaped array:  [[ 0  1  2  3  4  5  6  7][ 8  9 10 11 12 13 14 15]]reshaped array:  [[ 0  1][ 2  3][ 4  5][ 6  7][ 8  9] [10 11] [12 13] [14 15]]

1

 
热门推荐

• 2024年，只有搞颜色的 P 站真正关心网站性能
• ZFB赚赏金红包源码及使用教程，赚赏金so easy！
• Pandas 教程-设置索引