Pandas教程-Pandas NumPy
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
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 age
True Smith 28
True William 39
False Phill 34
True 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 age
True Smith 28
True William 39
True 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]]