上社网站建设,做软件app需要多少钱,企业年金指的是什么,新浪短链接生成工具目录 一#xff0c;多维数组库numpy 1#xff0c;操作函数#xff1a;​ 2#xff0c;numpy数组元素增删 1#xff09;添加数组元素 2#xff09;numpy删除数组元素 3#xff09;在numpy数组中查找元素 4#xff09;numpy数组的数学运算 3#xff0c;numpy数… 目录 一多维数组库numpy 1操作函数​ 2numpy数组元素增删  1添加数组元素 2numpy删除数组元素 3在numpy数组中查找元素 4numpy数组的数学运算 3numpy数组的切片 二数据分析库pandas 1DataFrame的构造和访问 Series是一维表格每个元素带标签且有下标兼具列表和字典的访问形式 DataFrame是带行列标签的二维表格每一列都是一个Series 2DataFrame的切片和统计  3DataFrame的分析统计 4DataFrame的修改增删 5读写excel和csv文档 1用pandas读excel文档 2用pandas读写csv文件 三用matplotlib进行数据展示 1绘制直方图 2绘制堆叠直方图 3绘制对比直方图有多组数据 4绘制散点折线图 5绘制饼图 6绘制热力图 7绘制雷达图 8绘制多层雷达图 9多子图绘制 一多维数组库numpy ➢多维数组库创建多维数组很方便可以替代多维列表 ➢速度比多维列表快 ➢支持向量和矩阵的各种数学运算 ➢所有元素类型必须相同 1操作函数 import numpy as np #以后numpy简写为np print (np.array([1,2,3]) ) #[1 2 3] print (np. arange(1,9,2) ) #[13 5 7] print (np. linspace(1,10,4)) #[ 1. 4. 7. 10. ] print (np . random. randint (10,20, [2,3]) ) #[[12 19 12] # [19 13 10 ]]print (np . random. randint (10,20,5) ) # [12 19 19 10 13] a np. zeros (3) print (a) #[ 0. 0. 0.]print(list(a) ) #[0.00.00.0]a np. zeros((2 ,3) ,dtypeint) #创建- t个2行3列的元素都是整数0的数组import numpy as np b np.array([i for i in range (12) ]) #b是[ 0 1 5 6 7 8 9 10 11] a b.reshape( (3,4) ) #转换成3行4列的数组b不变print (len(a) ) #3 a有3行print(a. size ) #12 a的元素个数是12 print (a. ndim) #2 a是2维的print (a. shape) #(3, 4) a是3行4列print (a. dtype) #int32 a的元素类型 是32位的整数 L a.tolist () #转换成列表a不变print (L) #[[0123][4,567][891011]] b a. flatten () #转换成一维数组print (b) #[0 1 2 3 5 6 7 8 9 10 11]2numpy数组元素增删  numpy数组一旦生成元素就不能增删。上面 函数返回一个新的数组。 1添加数组元素 import numpy as np a np.array((1,2,3) ) #a是[123]b np. append(a,10) #a不会发生变化 print (b) #[1 2 3 10]print (np. append(a, [10,20] ) ) #[1 2 3 10 20]Cnp. zeros ( (2,3) , dtypeint) #c是2行3列的全0数组print (np. append(a,c) ) #[1 2 3 0 0 0 0 0 0]print (np. concatenate( (a, [10,20] ,a)) ) #[1 2 3 10 20 1 2 3]print (np. concatenate( (C, np. array([[10 ,20,30]] ) ) ) ) #c拼接一行[10, 20 ,30]得新数组print (np. concatenate( (C, np.array([[1,2], [10,20]])) ,axis1) ) #c的第0行拼接了12两个元素、第1行拼接了10 , 20两个新元素后得到新数组2numpy删除数组元素 import numpy as np a np.array((1,2,3,4) ) b np.delete(a,1) #删除a中下标为1的元素, a不会改变 print (b) #[1_ 3 4]b np.array([[1,2,3,4] ,[5,6, 7,8], [9,10,11,121]) print (np. delete (b,1 ,axis0) ) #删除b的第1行得新数组 #[[1 2 3 4] #[9 10 11 12]]print (np. delete (b,1 ,axis1) ) #删除b的第1列得新数组print (np. delete (b,[1,2] ,axis0) ) #删除b的第1行和第2行得新数组print (np. delete (b,[1,3] ,axis1) ) #删除b的第1列和第3列得新数组3在numpy数组中查找元素 import numpy as np a np.array( (1,2,3,5,3,4) ) pos np. argwhere(a3) #pos是[[2] [4] ]a np.array([[1,2,3] , [4,5,2]]) print(2 in a) #Truepos np. argwhere(a2) #pos是[[0 1] [1 2]]b a[a2] #抽取a中大于2的元素形成一个一维数组print (b) #[3 4 5]a[a2]-1 #a变成[[12-1][-1-12]]4numpy数组的数学运算 import numpy as np a np.array( (1,2,3,4) ) ba1 print (b) #[2 3 4 5]print (a*b) #[2 6 12 20] a,b对应元素相乘 print (ab) #[3579]a,b对应元素相加c np.sqrt(a*10) #a*10是[10 20 30 40]print(c) #[ 3. 16227766 4. 47213595 5. 47722558 6.32455532]3numpy数组的切片 numpy数组的切片是“视图”是原数组的一部分而非一部分的拷贝   import numpy as np anp.arange(8) #a是[0 1 2 3 4 5 6 7]b a[3:6] #注意b是a的一部分print (b) #[3 4 5]c np.copy(a[3:6]) #c是a的一部分的拷贝b[0] 100 #会修改aprint(a) #[ 0 1 2 100 4 6 7]print(c) #[3 4 5] c不受b影响a np.array([[1,2,3,4] ,[5,6,7,8] , [9,10,11,12] , [13,14,15,16]]) b a[1:3,1:4] #b是[[678][101112]]二数据分析库pandas 1DataFrame的构造和访问 ➢核心功能是在二维表格上做各种操作,如增删、修改、求- -列数据的和、方差、中位数、平均数等 ➢需要numpy支持 ➢如果有openpyxI或xIrd或xIwt支持还可以读写excel文档。 ➢最关键的类: DataFrame,表示二维表格   pandas的重要类Series Series是一维表格每个元素带标签且有下标兼具列表和字典的访问形式   import pandas as pd s pd. Series (data[80, 90,100] , index[语文, 数学, 英语]) for x in s: #80 90 100 print(x,end ) print () print(s[语文] ,s[1]) #80 90 标签和序号都可以作为下标来访问元 print(s[0:2] [ 数学]) #90 s[0:2]是切片 print(s[数学: 英语] [1]) #100for i in range (len (s. index) ) : #语文 数学 英语print(s. index[i] ,end ) s[体育] 110 #在尾部添加元素标签为体育值为110s. pop(数学) #删除标签为数学’的元素s2 s. append (pd . Series (120, index [ 政治])) #不改变s print(s2[语文] ,s2[政治]) #80 120print (1ist(s2) ) #[80100 110 120]print(s.sum() ,s.min() ,s .mean() ,s . median() ) #290 80 96. 66666666667 100.0输出和、 最小值、平均值、中位数print (s . idxmax() ,s. argmax () ) #体育 2 输出最大元素的标签和下标 DataFrame是带行列标签的二维表格每一列都是一个Series   import pandas as pd pd.set_ option( display . unicode.east asian width , True) #输出对齐方面的设置scores [[男 ,108 ,115,97] ,[女 ,115,87,105] , [女 ,100, 60 ,130] [男 ,112,80,50]] names [刘一哥王二姐’张三妹李四弟] . courses [性别, 语文, 数学, 英语] df . pd.DataFrame (datascores ,index names , columns courses) print (df)print (df. values[0] [1] , type (df. values) ) #108. class numpy . ndarray print (list (df. index) ) #[刘一哥王二姐张三妹李四弟]print (list (df. columns) ) #[性别语文数学英语]print (df . index[2] ,df . columns[2]) #张三妹 数学 s1 df[语文] #s1是个Series,代表语文那一列print(s1[刘一哥] ,s1[0]) #108 108 刘一哥语文成绩 print(df[语文][刘一哥]) #108 列索引先写 s2 df.1oc[王二姐] #s2也是个Series,代表“王二姐”那一行print(s2[性别] ,s2[语文] ,s2[2]) #女 115 87 二姐的性别、语文和数学分数2DataFrame的切片和统计  #DataFrame的切片 #1loc[行选择器,.列选择器] 用下标做切片 #Ioc[行选择器列选择器] 用标签做切片 #DataFrame的切片是视图df2 df. iloc[1:3] #行切片是视图选1 ,2两行 dt2 df.1c[王二姐:张三妹] #和上一行等价 print (df2)df2 df. i1oc[: ,0:3] #列切片(是视图)选0、1. 2三列 df2 df.1oc[:, 性别: 数学] #和上一行等价 print (df2)df2 df.i1oc[:2,[1,3]] #行列切片 df2 df.1oc[:王二姐[语文, 英语]] #和上一行等价 print (df2)df2 df.i1oc[[1,3] ,2:4] #取第1、3行,第2、3列 df2 df.1oc[[王二姐 , 李四弟]数学: 英语] #和上一行等价 print (df2)3DataFrame的分析统计 print (---下面是DataFrame的分析和统计---) print (df. T) #df . T是df的转置矩阵,即行列互换的矩阵print (df . sort_ values ( 语文 , ascendingFalse)) #按语文成绩降序排列 print (df.sum() [ 语文] ,df .mean() [数学],df .median() [英语]) #435 85.5 101.0语文分数之和、 数学平均分、英语中位数print(df .min() [语文] ,df .max() [数学]) #100 115 语文最低分数学最高分 print (df .max(axis 1)[王二姐1) #115 二姐的最高分科目的分数 print (df[语文 ] . idxmax() ) #王二姐 语文最高分所在行的标签 print(df[数学] . argmin()) #2 数学最低分所在行的行号 print (df.1oc[ (df[语文] 100) (df[数学] 85)])4DataFrame的修改增删 print (---下面是DataFrame的增删和修改---) df.1oc[王二姐, 英语] df. iloc[0,1] 150 #修改王二姐英语和刘一哥语文成绩 df[物理] [80, 70,90,100] #为所有人添加物理成绩这-列df. insert(1, 体育, [89,77, 76,45]) #为所有人插入体育成绩到第1列df.1oc[李四弟] [男 ,100 ,100 ,100 ,100,100] #修改李四弟全部信息 df.1oc[: , 语文] [20,20,20,20] #修改所有人语文成绩df.1oc[ 钱五叔] [ 男 , 100 , 100 ,100, 100 , 100] #加一行df.1oc[: , 英语] 10 #所有人英语加10分df. columns [性别, 体育, 语文, 数学, English, 物理] #改列标签 print (df)df.drop( [体育, 物理] ,axis1, inplaceTrue) #删除体育和物理成绩 df.drop( 王二姐 ,axis 0inplaceTrue) #删除王二姐那一行print (df)df.drop ( [df. index[i] for i in range(1,3) ] ,axis0 , inplace True) #删除第1,2行 df .drop( [df . columns[i] for i in range(3) ] ,axis y 1 , inplace True) #删除第0到2列5读写excel和csv文档 ➢需要openpyxI(对 .xIsx文件)或xIrd或xIwt支持(老的.xls文件) ➢读取的每张工作表都是一个DataFrame 1用pandas读excel文档 import pandas as pd pd.set option ( display . unicode.east asian width , True) dt pd. read excel (excel sample.xlsx , sheet name [ 销售情况 ,1] , index col0) #读取第0和第1张二工作表 df dt [ 销售情况] #dt是字典df是DataFrameprint (df. iloc[0,0] ,df.loc[ I睡袋 , 数量]) #4080 4080print (df)print (pd. isnu1l (df.1oc[彩盒, 销售额])) # True df . fillna (0 , inplace True) #将所有NaNa用0替换 print(df.loc[ 彩盒 , 销售额] ,df. iloc[2,2] ) #0.0 0.0df.to excel (filename , sheet_ nameSheet1 ,na_ rep,.. ......) ➢将DataFrame对象df中的数据写入exce1文档filename中的Sheet1工作表, NaN用 代替。 ➢会覆盖原有的filename文件 ➢如果要在一个excel文档中写入多个工作表,需要用ExcelWrite   # (接.上面程序)writer pd. Exce 1Writer (new.x1sx) #创建ExcelWri ter对象df. to exce1 (writer , sheet_ nameS1) df.T. to exce1 (writer, sheet_ nameS2) #转置矩阵写入df.sort_ values( 销售额 , ascending False) . to exce1 (writer , sheet_ nameS3) #按销售额排序的新DataFrame写入工作表s3df[ 销售额] . to excel (writer ,sheet_ nameS4) #只写入一列 writer . save ()2用pandas读写csv文件 df. to_ csv ( result. csv ,sep , ,na rep NA , float_ format号 .2f , encodinggbk)df pd. read csv ( result. csv)三用matplotlib进行数据展示 1绘制直方图 import matp1otlib. pYp1ot as plt #以后plt等价于ma tplotlib . pyplot from ma tp1ot1ib import rcParams rcParams[ font. family] rcParams[ font. sans-serif] SimHei #设置中文支持,中文字体为简体黑体ax p1t. figure() .add subp1ot () #建图获取子图对象axax.bar(x (0.2,0.6,0.8,1.2) ,height (1,2,3,0.5) width 0.1) #x表示4个柱子中心横坐标分别是0.2,0.6,0.8,1 #height表示4个柱子高度分别是1,2,3,0.5 #width表示柱子宽度0.1ax.set_ title (我的直方图) #设置标题p1t. show () #显示绘图结果纵向 ax.bar(x (0.2,0.6,0.8,1.2) ,height (1,2,3,0.5) ,width 0.1) 横向 ax.barh(y (0.2,0.6,0.8,1.2) ,width (1,2,3,0.5) height 0.1)2绘制堆叠直方图 import ma tplotlib. pyp1ot as p1t ax plt. figure() . add subp1ot() labels [Jan Feb Mar lApr] num1 [20 30 15 35] #Dept1的数据num2 [15 3040 20] #Dept2的数据cordx range (len (num1) ) #x轴刻度位置rects1 ax.bar(x cordxheightnum1, width0.5 color red , labelDept1) rects2 ax.bar(x cordx heightnum2 width0 .5colorgreen , labelDept2bottom num1 )ax.set_ y1im(0 100) #y轴坐标范围 ax. set_ ylabel (Profit) #y轴含义(标签) ax. set xticks (cordx ) #设置x轴刻度位置 ax. set_ xlabel (In year 2020) #x轴含义(标签)ax.set_ title (My Company) ax. legend() #在右上角显示图例说明p1t. show ()3绘制对比直方图有多组数据 import matplotlib. pyp1ot as plt ax . plt. figure (figsize (10,5)) . add_ subplot () #建图获取子图对象ax ax.set ylim(0, 400) #指定y轴坐标范围ax.set xlim(0, 80) #指定x轴坐标范围 #以下是3组直方图的数据x1[71727374757] #第一-组直方图每个柱子中心点的横坐标 x2 [13 233343 5363] #第二组直方图每个柱子中心点的横坐标 x3 [10 203040 50 60]y1 [41 39136939 14] #第一组直方图每个柱子的高度 y2 [12315, 201057937] #第二组直方图每个柱子的高度 y3 [12491 204 264221, 175]rects1 ax.bar(x1 y1facecolorred width3 label _ Iphone ) rects2 ax.bar (x2y2facecolorgreen width3 label Huawei ) rects3 ax.bar(x3 y3facecolor bluewidth3label Xiaomi )ax.set_ xticks (x3) #x轴在x3中的各坐标点下面加刻度ax. set_ xticklabels( (A1, A2, A3, A4 , A5, A6) ) #指定x轴上每- -刻度下方的文字ax. legend () #显示右.上角三组图的说明def 1abe1 (ax , rects) : #在rects的每个柱子顶端标注数值 for rect in rects : height rect.get_ height() ax. text (rect.get_ x() rect.get_ width() /2, height14, str (height) , rotation90) #文字旋转90度 1abe1 (ax, rects1) label (ax , rects2) labe1 (ax, rects3) p1t. show ()4绘制散点折线图 import math , random import matplotlib.pyplot as plt def drawPlot(ax) : xs [i / 100 for i in range (1500)] #1500个 点的横坐标间隔0 .01 ys [10*math.sin(x) for X in xs] #对应曲线y10*sin (x).上的1 500个点的y坐标ax.plot (xs,ys, red ,label Beijing) #画曲线y 10*sin (x) ys list (range(-18,18) ) random. shuffle (ys)ax. scatter (range(16)ys[:16] c blue) #画散点 ax.plot (range(16)ys[:16] blue, label Shanghai) #画折线ax . legend () #显示右.上角的各条折线说明ax.set xticks (range (16) ) #x轴在坐标0,1.. .15处加刻度 ax. set_ xticklabels (range (16)) #指定x轴每个刻度 下方显示的文字ax plt. figure (figsize(104) ,dpi100) .add_ subp1ot() #图像长宽和清晰度 drawP1ot (ax) p1t. show ()5绘制饼图 import matplotlib.pyplot as p1t . def drawPie (ax) : 1bs ( A,B, C, D ) #四个扇区的标签 sectors [16 29.55 44.45 10] #四个扇区的份额(百分比) exp1 [0 0.1, 00] #四个扇区的突出程度 ax.pie (xsectorslabelslbs exp1odeexp1, autopct18.2f , shadowTrue, labeldistance1 .1, pctdistance 0 .6, startangle 90)ax.set_ title (pie sample) #饼图标题ax p1t. figure() .add subp1ot() drawPie (ax) p1t. show()6绘制热力图 import numpy as np from matplotlib import pyp1ot as plt data np. random. randint(0100 30) .reshape (56) #生成一一个5行六列元素[0, 100]内的随机矩阵 xlabels [ Beijing, ShanghaiChengdu ,Guangzhou HangzhouWuhan ] ylabels[201620172018201920201] ax plt. figure (figsize(10,8)) .add_ subp1ot() ax.set yticks (range (len (ylabels))) #y轴在坐标 [0 , len (ylabels))处加刻度 ax.set_ yticklabels (ylabels) #设置y轴刻度文字ax. set_ xticks (range (len (xlabels) ) ) ax.set xticklabels (xlabels) heatMp ax. imshow (datacmapplt. cm.hot, aspect auto , vmin 0,vmax100)for i in range (1en (x1abe1s) ) : for j in range (1en (y1abe1s) ) : ax. text(i,j ,data[j] [i] ,ha center ,va center color blue ,size26) p1t. colorbar (heatMp) #绘制右边的颜色-数值对照柱 plt . xticks (rotation45 , ha right) #将x轴刻度文字进行旋转, 且水平方向右对齐 p1t. title (Sales Volume (ton) ) p1t. show ()7绘制雷达图 import matplotlib. pyplot as plt from matplotlib import rcParams #处理汉字用def drawRadar (ax) : pi 3.1415926 labels [EQ, IQ,人缘 , 魅力, 财富 , 体力] #6个属性的名称 attrNum len (labels) #attrNum是属性种类数处等于6 data [7 ,6,8,9,8,2] #六个属性的值 angles [2*pi *i/ attrNum for i in range (attrNum) ] #angles是以弧度为单位的6个属性对应的6条半径线的角度 angles2 [x * 180/pi for x in angles] #angles2是以角度为单位的6个属性对应的半径线的角度 ax.set ylim(010) #限定半径线上的坐标范围ax. set_ thetagrids (angles2labels , fontpropertiesSimHei ) #绘制6个属性对应的6条半径ax. fi1l (anglesdata, facecolor ; : 6 g ,alpha 0.25) #填充alpha :透明度rcParams[ font. family] rcParams[ font. sans-serif] SimHei #处理汉字 ax p1t. figure() . add_ subplot (projection polar) #生成极坐标形式子图 drawRadar (ax) p1t. show ()8绘制多层雷达图 import matplotlib.pyplot as p1t from ma tplot1ib import rcPar ams rcParams[ font. family] rcParams[ font. sans-serif] SimHei ! pi 3.1415926 labels [EQ, IQ,人缘, 魅力,财富, 体力] #6个属性的名称 attrNum len (labels) names (张三,李四王五 data [[0.40,0.32,0.35] [0.85,0.35,0.30] , [0.40,0.32,0.35][0.40,0.82,0.75] , [0.14,0.12,0.35] , [0.80,0.92,0.35]] #三个人的数据angles [2*pi*i/attrNum for i in range (attrNum) ] angles2 [x * 180/pi for x in ang1es] ax p1t. figure() .add_ subp1ot (projection polar)ax. set_ the tagrids (angles2 , labels) ax.set_ title(三巨头人格分析,y 1.05) #y指明标题垂直位置 ax. legend (names , 1oc(0.95,0.9)) #画出右上角不同人的颜色说明 plt. show ()9多子图绘制 #程序中的import、汉字处理及drawRadar、 drawPie、 drawPlot函数略 见前面程序 fig plt. figure (figsize(8,8) ) ax fig.add subplot(2,2,1) #窗口分割成2*2,取位于第1个方格的子图 drawPie (ax) ax fig.add subplot(2 ,2 ,2 ,projection polar ) drawRadar (ax) ax p1t. subp1ot2grid( (2, 2)(1 0)colspan2) #或写成: ax fig.add subplot(2,1,2)drawPlot (ax) plt. figtext(0.05,0.05, subplot sample ) #显示左下角的图像标题plt. show ()