numpy

基本屬性

• n維陣列；數值運算
• 建立陣列： np.array(list,dtype=)
• 陣列維度：array.ndim
• 陣列形狀：array.shape
• 陣列元素個數：array.size

建立陣列

• 普通建立：np.array(list)
• 全0陣列：np.zeros((row,col))
• 全1陣列：np.ones((row,col))
• 有序數列：np.arange(num); np.arange(start,end,by)
• 改變形狀：array.reshape((row,col))
• 生成線段：np.linspace(start,end,num)

基礎運算

    a = np.array([1,2,3,
 
4]).reshape((2,2))
    b = np.arange(4).reshape((2,2))

• np.fun(array) 多數情況等於 arrary.fun()
• 加減乘除等運算都是作用於元素: a*b;sin(a);a<3:返回布林值
• 矩陣相乘：np.dot(a,b); 有第一點，還可以表示為a.dot(b)
• 矩陣轉置：np.transpose(a);a.T
• 隨機矩陣（元素為0-1的隨機數）：np.random.rand(row,col)
• 隨機矩陣（元素服從標準正態分佈）：np.random.randn(row,col)
• 陣列求和：np.sum(a)
• 陣列求最值：np.max(a);np.min(a)
• 行/列操作：np.sum(a,axis=0/1) 0表示跨行（垂直）；1表示跨列（水平）
• 最值索引：np.argmin(a);np.argmax(a)
• 平均：np.mean(a)
• 中位數：np.median(a)
• 累加：np.cumsum(a)
• 累差：np.diff(a)
• 逐行排序：np.sort(a)
• 擷取矩陣：np.clip(a,min,max) 所有小於min的數=min，大於max的數=max

索引切片

• i行：a[i]
• j列：a[:,j]
• i行j列：a[i][j];a[i,j]
• i行n-m列：a[i, n:m]
• 把陣列展為1維陣列：a.flatten()

合併

• 垂直合併： np.vstack((a,b))
• 水平合併：np.hstack((a,b))
• 多個數組合並：np.concatenate((a,b,c,d),axis=0/1)

分割

• 等量分割：np.split(a,n,axis=) （n表示分割成幾塊）
• 不等量分割：np.array_split(a,n,axis=)
• 豎直分割：np.vsplit(a,n)
• 水平分割：np.hsplit(a,n)

淺拷貝和深拷貝

• 淺拷貝：b複製a，修改a後b跟著改變；增加指標指向已存在的記憶體地址。b = a
• 深拷貝：b複製a，修改a後b不跟著改變；增加指標且申請了一個新的記憶體地址。b = a.copy()

pandas

基本屬性

• 資料框；資料處理；基於numpy
• 建立df：pd.DataFrame(data,index,columns)
• df型別：df.dtypes
• df 行名/列名/值：df.index/df.columns/df.values
• df描述：df.describe()
• df轉置：df.T
• 按索引排序：df.sort_index(axis=0/1,ascending=bool)
• 按值排序：df.sort_values(by=col_name,ascending)

選擇資料

df = pd.DataFrame(data,columns=['A','B','C'],index=[1,2,3])

• 選擇某列：df[‘A’];df.A
• 選擇某行：df[i:i+1]
• 按標籤選擇：df.loc[ [1,2],[‘A’,'B’] ]
• 按位置選擇：df.iloc[i,j];df.iloc[i:j,k:l];df.iloc[[1,2,4],1:4]
• 混合選擇：df.ix[]
• 條件選擇：df[df.A<3]

處理缺失值

• 丟棄：df.dropna(axis,how=‘any’/‘all’)
• 填充：df.fillna(value=0)
• 檢查：df.isna().sum()

匯入/匯出資料

• 匯入csv：pd.read_csv(’…csv’)
• 匯出資料：df.to_csv(‘檔名’)

concat合併

concat([df1,df2,df3],axis,ignore_index,join,join_axes)

• axis: 0縱向/1橫向
• ignore_index: True表示對舊index整合成新的index
• join：inner取交集；outer取並集
• join_axes:選擇對齊的索引

df1.append([df2,df3])

• 縱向合併，將df2，df3新增到df1下面

merge合併

pd.merge(left,right,on=[‘key1’,‘key2’],how=‘inner’/‘outer’/‘left’/‘right’,indicator,suffixes)

• on：以某個列名作為連線鍵
• how：連線方式
• indicator：取值為True時，顯示merge方式
• suffixes=[左表字尾名，右表字尾名]：為列名增添字尾

pd.merge(left,right,left_index=True,right_index=True,how=’’)

• left_index/right_index:取值為True時，按行名連線

matplotlib.pyplot

Series

data = pd.Series(...)
data.plot() / plt.plot(data)
plt.show()