本篇文章給大家分享了關於Python資料處理的相關內容以及要點解釋，對此知識點有興趣的朋友可以參考學習下。
Numpy、Pandas是Python資料處理中常用到的兩個框架，都是採用C語言編寫，所以運算速度快。 Matplotlib是Python的的畫圖工具，可以把之前處理後的資料透過影像繪製出來。之前只是看過文法，沒有系統學習總結過，這篇部落格文章總結了這三個架構的API。
以下是這三個框架的簡單介紹和區別：
Numpy：經常用於資料生成和一些運算
Pandas：基於Numpy建構的，是Numpy的升級版本
#Matplotlib：Python中強大的繪圖工具
Numpy
Numpy快速入門教學可參考：Numpy tutorial
Numpy屬性
ndarray.ndim：維度
ndarray.shape：行數和列數，例如(3, 5)
#ndarray.size：元素的數量
Numpy建立
array(object, dtype=None)：使用Python的list或tuple建立資料Numpy運算
#加、減：a b、a - bNumpy索引
#陣列索引方式：A[1, 1]
#。 ##切片：A[1, 1:3]
##reshape (a, newshape)：改變資料形狀，不會對原始資料進行修改，傳回一組新資料
resize(a, new_shape)：改變資料形狀，會對原始資料進行修改，不回傳資料
hstack(tup)：左右合併
hsplit(ary, indices_or_sections)：水平分割n份##vsplit(ary, indices_or_sections)：垂直分割n份
copy(a) ：深度拷貝Pandas
Pandas快速入門教學可參考：10 Minutes to pandas##Pandas資料結構Pandas的資料結構有兩種：Series和DataFrame。
Series：索引在左邊，值在右邊。建立方式如下：
In [4]: s = pd.Series([1,3,5,np.nan,6,8])
In [5]: s
Out[5]:
0 1.0
1 3.0
2 5.0
3 NaN
4 6.0
5 8.0
dtype: float64
登入後複製
DataFrame：是一個表格型的資料結構，既有行索引也有列索引， 它可以被看做由Series組成的大字典。建立方式如下：
In [6]: dates = pd.date_range('20130101', periods=6)
In [7]: dates
Out[7]:
DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',
'2013-01-05', '2013-01-06'],
dtype='datetime64[ns]', freq='D')
In [8]: df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))
Pandas檢視資料
index：索引
columns：列索引
values：值
head(n=5)：傳回前n項資料
describe()：列印出資料的數量、平均值等各項資料
sort_index(axis=1, ascending= False)：根據索引排序
sort_values(by='B')：根據索引值排序
Pandas選擇資料
數組選擇方式：df['A']
切片選擇方式：df[0:3] 或df['20130102':'20130104']
依位置選擇：df.iloc[3:5,0:2]
混合選擇：df.ix[:3,['A','C']]
#條件判斷選擇：df[df.A > 0]
刪除遺失資料的行：df.dropna(how='any')
填入遺失數據：df.fillna(value=5)
資料值是否為NaN：pd.isna(df1)
##Pandas合併資料
#pd.concat([df1, df2, df3], axis=0)：合併df
pd.merge(left, right, on='key')：依據key欄位合併
df.append(s, ignore_index=True)：新增資料
Pandas導入導出
pd.read_csv('foo.csv')：從csv檔讀取
df.to_excel('foo.xlsx', sheet_name='Sheet1')：儲存到excel檔案pd.read_excel('foo.xlsx', 'Sheet1', index_col=None, na_values=['NA'])：從excel檔案讀取
Matplotlibimport pandas as pd import numpy as np import matplotlib.pyplot as plt # 随机生成1000个数据 data = pd.Series(np.random.randn(1000),index=np.arange(1000)) # 为了方便观看效果, 我们累加这个数据 data.cumsum() # pandas 数据可以直接观看其可视化形式 data.plot() plt.show()
淺聊python日誌的設定檔路徑問題
################################################### #以上是淺析Python資料處理的詳細內容。更多資訊請關注PHP中文網其他相關文章！
