Pandas NumPy

2024 年 8 月 29 日 | 阅读 3 分钟

Numerical Python (Numpy) 定义为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 数组的计算速度比普通的 Python 数组快。

这个包是由 Travis Oliphant 在 2005 年创建的，它将祖先模块 Numeric 的功能添加到另一个模块 Numarray 中。它还能够处理大量数据，并方便进行矩阵乘法和数据重塑。

NumPy 主要用 C 语言编写，它是 Python 的一个扩展模块。

Pandas 建立在 numpy 数组之上；因此，numpy 帮助我们更有效地使用 pandas。

创建数组

数组的主要任务是将多个值存储在单个变量中。它定义了可以在 numpy 中轻松处理的多维数组，如下例所示

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

布尔索引定义为 numpy 的一个重要工具，它经常用于 pandas。它的主要任务是使用 DataFrame 中数据的实际值。我们可以通过以下不同方式在布尔索引中过滤数据

使用布尔索引访问 DataFrame。
将布尔掩码应用于 DataFrame。
基于列值屏蔽数据。
基于索引值屏蔽数据。

示例 1

此示例显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

此示例显示如何使用 .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

重塑数组用于重塑数组，而无需更改其数据。

语法

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，结果将是该长度的一维数组。形状维度之一可以是 -1。
order: 这是一个可选参数，它使用索引顺序读取元素，并在索引的帮助下将元素放入重塑的数组中。

返回值

它返回重塑的数组。

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]]

下一个主题布尔索引