python pandas numpy matplotlib 常用方法及函數
轉載▼
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
---------------numpy-----------------------
arr = np.array([1,2,3], dtype=np.float64)
np.zeros((3,6)) np.empty((2,3,2)) np.arange(15)
arr.dtype arr.ndim arr.shape
arr.astype(np.int32) #np.float64 np.string_ np.unicode_
arr * arr arr - arr 1/arr
arr= np.arange(32).reshape((8,4))
arr[1:3, : ] #正常切片
arr[[1,2,3]] #花式索引
arr.T arr.transpose((...)) arr.swapaxes(...) #轉置
arr.dot #矩陣內積
np.sqrt(arr) np.exp(arr) randn(8)＃正態分佈值 np.maximum(x,y)
np.where(cond, xarr, yarr) ＃當cond爲真，取xarr,否則取yarr
arr.mean() arr.mean(axis=1) 算術平均數
arr.sum() arr.std() arr.var() 和、標準差、方差
arr.min() arr.max() 最小值、最大值
arr.argmin() arr.argmax() #最小索引、最大索引
arr.cumsum() arr.cumprod() #所有元素的累計和、累計積
arr.all() arr.any() # 檢查數組中是否全爲真、部分爲真
arr.sort() arr.sort(1) #排序、1軸向上排序
arr.unique() #去重
np.in1d(arr1, arr2) #arr1的值是否在arr2中
np.load() np.loadtxt() np.save() np.savez() ＃讀取、保存文件
np.concatenate([arr, arr], axis=1) ＃連接兩個arr，按行的方向
---------------pandas-----------------------
ser = Series()
ser = Series([...], index=[...]) #一維數組, 字典可以直接轉化爲series
ser.values 數組的值
ser.index 數組的索引
ser.reindex([...], fill_value=0) 重新定義索引
ser.isnull() pd.isnull(ser) pd.notnull(ser) #檢測缺失數據
ser.name= ser本身的名字
ser.index.name= ser索引的名字
ser.drop('x') #丟棄索引x對應的值
ser +ser #算術運算
ser.sort_index() 按索引排序
ser.order() 按值排序
df = DataFrame(data, columns=[...], index=[...]) #表結構的數據結構，既有行索引又有列索引
df.ix['x'] #索引爲x的值 對於series，直接使用ser['x']
del df['ly'] #用del刪除第ly列
df.T #轉置
df.index.name df.columns.name df.values
df.drop([...])
df + df df1.add(df2, fill_vaule=0) #算術運算
df -ser #df與ser的算術運算
f=lambda x: x.max()-x.min()
df.apply(f)
df.sort_index(axis=1, ascending=False) 按行索引排序
df.sort_index(by=['a','b']) 按a、b列索引排序
ser.rank() df.rank(axis=1) #排序，增設一個排名值
df.sum() df.sum(axis=1) #按列、按行求和
df.mean(axis=1, skipna=False) #求各行的平均值，考慮na的存在
df.idxmax() #返回最大值的索引
df.cumsum() #累計求和
df.describe() ser.describe() 返回count
mean std min max等值
ser.unique() #去重
ser.value_counts() df.value_counts() 返回一個series，其索引爲唯一值，值爲頻率
ser.isin(['x', 'y']) #判斷ser的值是否爲x,y，得到布爾值
ser.dropna() ser.isnull() ser.notnull() ser.fillna(0) #處理缺失數據，df相同
df.unstack() #行列索引和值互換 df.unstack().stack()
df.swaplevel('key1','key2') #接受兩個級別編號或名稱，並互換
df.sortlevel(1) #根據級別1進行排序，df的行、列索引可以有兩級
df.set_index(['c','d'], drop=False) #將c、d兩列轉換爲行,因drop爲false，在列中仍保留c,d
read_csv read_table read_fwf 讀取文件分隔符爲逗號、分隔符爲製表符('\t')、無分隔符（固定列寬）
pd.read_csv('...', nrows=5) 讀取文件前5行
pd.read_csv('...', chunksize=1000) 按塊讀取，避免過大的文件佔用內存
pd.load() #pd也有load方法，用來讀取二進制文件
pd.ExcelFile('...xls').parse('Sheet1') 讀取excel文件中的sheet1
df.to_csv('...csv', sep='|', index=False, header=False) #將數據寫入csv文件，以｜爲分隔符，默認以，爲分隔符, 禁用列、行的標籤
pd.merge(df1, df2, on='key', suffixes=('_left', '_right')) #合併兩個數據集,類似數據庫的inner join, 以二者共有的key列作爲鍵,suffixes將兩個key分別命名爲key_left、key_right
pd.merge(df1, df2, left_on='lkey', right_on='rkey') #合併，類似數據庫的inner join, 但二者沒有同樣的列名，分別指出，作爲合併的參照
pd.merge(df1, df2, how='outer') #合併，但是是outer join；how='left'是笛卡爾積，how='inner'是...;還可以對多個鍵進行合併
df1.join(df2, on='key', how='outer') #也是合併
pd.concat([ser1, ser2, ser3], axis=1) #連接三個序列，按行的方向
ser1.combine_first(ser2) df1.combine_first(df2) #把2合併到1上，並對齊
df.stack() df.unstack() #列旋轉爲行、行旋轉爲列
df.pivot()
df.duplicated() df.drop_duplicates() #判斷是否爲重複數據、刪除重複數據
df[''].map(lambda x: abs(x)) #將函數映射到df的指定列
ser.replace(-999, np.nan) #將－999全部替換爲nan
df.rename(index={}, columns={}, inplace=True) #修改索引，inplace爲真表示就地修改數據集
pd.cut(ser, bins) #根據面元bin判斷ser的各個數據屬於哪一個區段，有labels、levels屬性
df[(np.abs(df)>3).any(1)] #輸出含有“超過3或－3的值”的行
permutation take #用來進行隨機重排序
pd.get_dummies(df['key'], prefix='key') #給df的所有列索引加前綴key
df[...].str.contains() df[...].str.findall(pattern, flags=re.IGNORECASE) df[...].str.match(pattern, flags=...) df[...].str.get() #矢量化的字符串函數
一、選取標籤爲A和C的列，並且選完類型還是dataframe
df = df.loc[:, ['A',
'C']]
df = df.iloc[:,
[0,
2]]
二、選取標籤爲C並且只取前兩行，選完類型還是dataframe
df = df.loc[0:2, ['A',
'C']]
df = df.iloc[0:2, [0,
2]]
----繪圖
ser.plot() df.plot() #pandas的繪圖工具，有參數label, ax, style, alpha, kind, logy, use_index, rot, xticks, xlim, grid等，詳見page257
kind='kde' #密度圖
kind='bar' kind='barh' #垂直柱狀圖、水平柱狀圖，stacked=True爲堆積圖
ser.hist(bins=50) #直方圖
plt.scatter(x,y) #繪製x,y組成的散點圖
pd.scatter_matrix(df, diagonal='kde', color='k', alpha='0.3') #將df各列分別組合繪製散點圖
----聚合分組
groupby() 默認在axis=0軸上分組，也可以在1組上分組；可以用for進行分組迭代
df.groupby(df['key1'])
根據key1對df進行分組
df['key2'].groupby(df['key1']) #根據key1對key2列進行分組
df['key3'].groupby(df['key1'], df['key2']) #先根據key1、再根據key2對key3列進行分組
df['key2'].groupby(df['key1']).size() #size()返回一個含有分組大小的series
df.groupby(df['key1'])['data1'] 等價於
df['data1'].groupby(df['key1'])
df.groupby(df['key1'])[['data1']] 等價於 df[['data1']].groupby(df['key1'])
df.groupby(mapping, axis=1) ser(mapping) #定義mapping字典，根據字典的分組來進行分組
df.groupby(len) #通過函數來進行分組，如根據len函數
df.groupby(level='...', axis=1) #根據索引級別來分組
df.groupby([], as_index=False) #禁用索引，返回無索引形式的數據
df.groupby(...).agg(['mean', 'std']) #一次使用多個聚合函數時，用agg方法
df.groupby(...).transform(np.mean) #transform()可以將其內的函數用於各個分組
df.groupby().apply() apply方法會將待處理的對象拆分成多個片段，然後對各片段調用傳入的函數，最後嘗試將各片段組合到一起
----透視交叉
df.pivot_table(['',''], rows=['',''], cols='', margins=True) #margins爲真時會加一列all
pd.crosstab(df.col1, df.col2, margins=True) #margins作用同上
---------------matplotlib---------------
fig=plt.figure() ＃圖像所在的基對象
ax=fig.add_subplot(2,2,1) #2*2的圖像，當前選中第1個
fig, axes = plt.subplots(nrows, nclos, sharex, sharey) #創建圖像，指定行、列、共享x軸刻度、共享y軸刻度
plt.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)
#調整subplot之間的距離，wspace、hspace用來控制寬度、高度百分比
ax.plot(x, y, linestyle='--', color='g') #依據x,y座標畫圖，設置線型、顏色
ax.set_xticks([...]) ax.set_xticklabels([...]) #設置x軸刻度
ax.set_xlabel('...') #設置x軸名稱
ax.set_title('....') ＃設置圖名
ax.legend(loc='best') #設置圖例， loc指定將圖例放在合適的位置
ax.text(x,y, 'hello', family='monospace', fontsize=10) #將註釋hello放在x,y處，字體大小爲10
ax.add_patch() #在圖中添加塊
plt.savefig('...png', dpi=400, bbox_inches='tight') #保存圖片，dpi爲分辨率，bbox＝tight表示將裁減空白部分
------------------------------------------
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
#可以用來繪製地圖
-----------------時間序列--------------------------
pd.to_datetime(datestrs) #將字符串型日期解析爲日期格式
pd.date_range('1/1/2000', periods=1000) #生成時間序列
ts.resample('D', how='mean') #採樣，將時間序列轉換成以每天爲固定頻率的, 並計算均值；how='ohlc'是股票四個指數；
＃重採樣會聚合，即將短頻率（日）變成長頻率（月），對應的值疊加；
＃升採樣會插值，即將長頻率變爲短頻率，中間產生新值
ts.shift(2, freq='D') ts.shift(-2, freq='D') #後移、前移2天
now+Day() now+MonthEnd()
import pytz pytz.timezone('US/Eastern') #時區操作，需要安裝pytz
pd.Period('2010', freq='A-DEC') ＃period表示時間區間，叫做時期
pd.PeriodIndex #時期索引
ts.to_period('M') #時間轉換爲時期
pd.rolling_mean(...) pd.rolling_std(...) #移動窗口函數－平均值、標準差