莫烦PYTHON | Numpy and Pandas教程

最新推荐文章于 2025-05-23 16:13:59 发布

kudou1994

最新推荐文章于 2025-05-23 16:13:59 发布

阅读量1.8k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：莫烦Numpy Pandas

本文链接：https://blog.youkuaiyun.com/kudou1994/article/details/80936913

本文是关于Numpy和Pandas的教程，介绍了它们的安装、基本属性、数组创建、运算、索引、合并、分割、复制与深拷贝，以及Pandas的选择数据、设置值、处理缺失数据、导入导出和绘图等功能。通过学习，读者将深入理解这两个强大的数据分析库。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

（未完）

第一章 Numpy & Pandas 简介

1.1 Why Numpy & Pandas?

采用矩阵运算，运算速度快，占用资源少，比python自带的字典或者列表要快很多；numpy是采用C语言编写的，而pandas又是基于numpy编写的升级版。

1.2 Numpy 和 Pandas 安装

sudo apt-get install python-numpy
sudo apt-get install python-pandas

第二章 Numpy 学习

2.1 Numpy 属性

array 数组：可生成数组或矩阵
ndim
shape
size

import numpy as np

array = np.array([[1,2,3],[4,5,6]])

print(array)
print(array.ndim) #维度dimenion：几维 2
print(array.shape) #形状：行数和列数 （2，3）
print(array.size) #元素个数 6

2.2 Numpy 的创建 array

array
dtype
zeros
ones
empty
arange
linspace

import numpy as np

a = np.array([[1,2,3],
             [4,5,6]])
print(a)

a = np.array([[1,2,3],[4,5,6]],dtype=np.int) #制定数据的类型 对于array，是dtype，而numpy的常用数据类型有两种：int和float，一般有int16 int32 int64,float同样，数值越大占用内存越大，精度也就越高，但是单位内存下存储的东西也就越少
print(a.dtype) #python3.5及以下版本默认类型为64，python3.6默认为32

a = np.zeros((3,4)) #生成3行4列元素全为0的矩阵
print(a) 

a = np.ones((3,4),dtpye = np.float32) #生成3行4列元素全为1的矩阵，并规定数据类型为float32
print(a)
print(a.dtype)

a = np.empty((3,4)) #生成3行4列且每个元素都接近0的矩阵，据说在python3.6中和zeros是一样的了，未查证
print(a)

#生成等差数列的两个方法：
a = np.arange(10,20,2) #生成连续的数组，从10到20（不包括20），**步长为2**
print(a)
a = np.linspace(10,20,5) #创建线段型数据 从10到20（包括20），**元素个数为5** 
print(a)
a = np.linspace(10,20,num=50, endpoint=True, retstep=False, dtype=None) 
print(a)

a = np.linspace(1,10,5).reshape((5,4)) #改变矩阵的形状，变为5行4列的矩阵
print(a)

函数arange()与linspace()的区别

np.arange(start,stop,step)
生成一个[start,stop) 左闭右开步长为step的一维数组。

np.linspace(start,stop,num=40, endpoint=True, retstep=False, dtype=None)
生成一个[start,stop]左右均闭的等差数列，元素个数num默认为50个，endpoint=True默认包含stop， retstep=False默认不显示步长， dtype=None默认不改变数据类型。