Python数据处理.docxVIP

cscipy科学计算库（第三方扩展库）SciPy中的数据结构Python原有数据结构的变化- ndarry（N维数组）- Series（变长字典）- DataFrame（数据框）Numpy 强大的ndarray对象和ufunc函数 精巧的函数 比较适合线性代数和随机数处理等科学计算 有效的通用多维数组，可定义任何数据类型 无缝对接数据库For example：import numpy as npxArray = np.ones((3,4))xArrayOut[4]: array([[ 1., 1., 1., 1.], [ 1., 1., 1., 1.], [ 1., 1., 1., 1.]])#生成一个3行4列的多维矩阵，类型为多维数组Scipy核心库 Python中科学计算程序的核心包 有效计算numpy矩阵，让Numpy和SciPy协同工作 致力于科学计算中常见问题的各个工具箱，其不同子模块有不同应用，如插值、积分、优化和图像处理等For example：from scipy import linalg#linalg为scipy中的矩阵计算库arr = np.array([[1,2],[3,4]])linalg.det(arr)Out[8]: -2.0Matplotlib 基于Numpy 二维绘图库，简单快速地生成曲线图、直方图和散点图等形式的图 常用的pyplot是一个简单提供类似MATLAB接口的模块Pandas 基于Scipy和Numpy 高效的Series和DataFrame数据结构 强大的可扩展数据操作与分析的Python库 高效处理大数据集的切片等功能 提供优化库功能读写多种格式文件，如CSV、HDF5Python中的数组?用list和tuple等数据结构表示数组 ?一维数组 list = [1,2,3,4] ?二维数组 list = [[1,2,3],[4,5,6],[7,8,9]] ?array模块 ?通过array函数创建数组，array.array(B, range(5)) ?提供append、insert和read等函数 Ndarray（Numpy快速处理数据） ndarray是NumPy中基本的数据结构 别名为array 利于节省内存和提高CPU计算时间 有丰富的函数- ndarry的函数For Example:from numpy import *aArray = array([1,2,3])aArrayOut[4]: array([1, 2, 3])bArray = array([(1,2,3),(4,5,6)])bArrayOut[6]: array([[1, 2, 3], [4, 5, 6]])zeros((2,2))Out[7]: array([[ 0., 0.], [ 0., 0.]])arange(1,5,0.5)Out[8]: array([ 1. , 1.5, 2. , 2.5, 3. , 3.5, 4. , 4.5])ndarray的基本运算符和函数操作For example：#各元素相乘aArray = array([(5,5,5),(5,5,5)])bArray = array([(2,2,2),(2,2,2)])cArray = aArray * bArraycArrayOut[13]: array([[10, 10, 10], [10, 10, 10]])#各元素相加aArray += bArrayaArrayOut[15]: array([[7, 7, 7], [7, 7, 7]])#元素大小判断aArray 5Out[16]: array([[ True, True, True], [ True, True, True]], dtype=bool)#对各元素进行正弦计算aArray = array([(1,2,3),(4,5,6)])sin(aArray)Out[18]: array([[ 0 0 0, [-0.7568025 , -0 -0.2794155 ]])#维度统计和置换aArray.shapeOut[19]: (2, 3)bArray = aArray.reshape(3,2)bArrayOut[22]: array([[1, 2], [3, 4], [5, 6]])#求和aArray.sum()Out[23]: 21#对行列分别求和aArray.sum(axis = 0)Out[25]: array([5, 7, 9])aArray.sum(axis = 1)Out[26]: array([ 6, 15])#沿行或列堆积vst