pandas&numpy 数据处理~~两万字超全（上）

#导入numpy
import numpy as np
#创建矩阵
array = np.array([[1,2,3],
                  [3,4,5],
                  [2,3,4]
])
print(array)
    输出：
    [[1 2 3]
     [3 4 5]
     [2 3 4]]
# 几维数组
print('number of dim',array.ndim)     # number of dim 2
# 形状，几行几列数组
print('shape',array.shape)            # shape (3, 3)
# size，一共有一个元素
print('size',array.size)              # size 9

import numpy as np
# 1. 创建一维序列
a = np.array([1,2,3,4],dtype = np.int64)   #dtype  用于查看类型，默认int32,
print(a, a.dtype)       # 输出：[1 2 3 4] int64
print(a.shape)          # 输出：(4,)  ——表示序列，不是矩阵
# 2. 创建二维矩阵
a = np.array([[1,2,3],
             [2,3,4]])
print(a)
    输出：
    [[1 2 3]
     [2 3 4]]
# 3. 创建一个随机生成的矩阵
a = np.random.random((3,4))    #括号内指定行列数即可
print(a)
    输出：
    [[0.96913245 0.42265093 0.62387946 0.83842189]
     [0.00910311 0.31142922 0.74050868 0.67094311]
     [0.79450196 0.63776097 0.3371271  0.16052966]]
# 4. 创建一个全部为0 的矩阵
a = np.zeros((3,4),dtype = np.int32)   # 括号里输入几行几列
print(a)
    输出：
    [[0 0 0 0]
     [0 0 0 0]
     [0 0 0 0]]
# 5. 创建一个全部为 1 的矩阵
a = np.ones((3,4),dtype = np.int16)   # 括号里输入几行几列
print(a)
    输出：
    [[1 1 1 1]
     [1 1 1 1]
     [1 1 1 1]]
# 6. 创建一个全部为 empty 的矩阵
a = np.empty((3,4))   # 括号里输入几行几列，类型为float
print(a)  
    输出：
    [[0. 0. 0. 0.]
     [0. 0. 0. 0.]
     [0. 0. 0. 0.]]
# 7. 生成一个有序序列
a = np.arange(12).reshape((3,4))   #reshape()  确定几行几列
print(a)
    输出：
    [[ 0  1  2  3]
     [ 4  5  6  7]
     [ 8  9 10 11]]
# 8. 一个数据区间被分成线段
a = np.linspace(1,10,6).reshape(2,3)   #1-10的序列，被分为5段,reshape()定义几行几列
print(a,a.dtype)
    输出：
    [[ 1.   2.8  4.6]
     [ 6.4  8.2 10. ]] float64

# 定义2个一维序列
a = np.array([10,20,30,40])
b = np.arange(4)
print(a)
print(b)
    输出：
    [10 20 30 40]
    [0 1 2 3]
# 1. 减法
c= a-b
print(c)
    输出：[10 19 28 37]
# 2. 加法
d = a+b
print(d)
    输出：[10 21 32 43]
# 3. 乘法
e = b**2   #  **代表平方
f =10*np.sin(a)    # 调用numpy中sin函数
g = a*b   # 对应相乘
print(e)
print(f)
print(g)
    输出：
    [0 1 4 9]
    [-5.44021111  9.12945251 -9.88031624  7.4511316 ]
    [  0  20  60 120]
# 4. 判断矩阵中元素的大小
print(b)
print(b<3)    # 矩阵b中元素是否小于3
print(b==3)   # 矩阵b中元素是否小于3
    输出：
    [0 1 2 3]
    [ True  True  True False]
    [False False False  True]

#  定义两个矩阵
a = np.array([
    [0,1],
    [2,1]
])
b = np.arange(4).reshape((2,2))
print(a)
print(b)
    输出：
    [[0 1]
     [2 1]]
    [[0 1]
     [2 3]]
# 1. 矩阵乘法
c = a*b   #对应位置相乘   要求矩阵维度必须相同，2行2列与3行2列无法相乘
print(c)
    输出：
    [[0 1]
     [4 3]]
#矩阵相乘 - 1
c_dot = np.dot(a,b)    #表达方式1
print(c_dot)
    输出：
    [[2 3]
     [2 5]]
#矩阵相乘 - 2
c_dot_2 = a.dot(b)     # 表达方式2
print(c_dot_2)
    输出：
    [[2 3]
     [2 5]]

# 创建一个随机生成的矩阵
a = np.random.random((2,4))    #括号内指定行列数即可
# 1. 求和、最大值、最小值
print(a)
    输出：
    [[0.40596249 0.55513475 0.6697611  0.27219617]
     [0.21702995 0.78822072 0.74077249 0.45906168]]
print(np.sum(a))   #矩阵中所有元素求和
print(np.max(a))   #矩阵中所有元素的最大值
print(np.min(a))   #矩阵中所有元素的最小值
    输出：
    4.108139341201598
    0.7882207190918352
    0.2170299493607155
# 2. 求每行或者每列中的sum、最大、最小值
#定义axis,axis = 0,按照行求；axis = 0，按照列求
print(a)
    输出：
    [[0.40596249 0.55513475 0.6697611  0.27219617]
     [0.21702995 0.78822072 0.74077249 0.45906168]]
print(np.sum(a,axis = 1))   #矩阵中每行元素求和
print(np.max(a,axis = 0))   #矩阵中每列的最大值
print(np.min(a,axis = 1))   #矩阵中每行的最小值
    输出：
    [1.90305451 2.20508483]
    [0.40596249 0.78822072 0.74077249 0.45906168]
    [0.27219617 0.21702995]

A = np.arange(2,14).reshape((3,4))
print(A)
    输出：
    [[ 2  3  4  5]
     [ 6  7  8  9]
     [10 11 12 13]]
# 4. 求矩阵中元素的最大数最小数对应索引
print(np.argmin(A))  # 求所有元素中最小数对应的索引
print(np.argmax(A))  # 求所有元素中最大数对应的索引
    输出:
    0
    11
# 5. 求所有元素的平均值
print(np.mean(A))  
print(A.mean())
print(np.average(A))
    输出：
    7.5
    7.5
    7.5
# 6. 求每行或者每列元素的平均值;axis=0,对列计算，axis=1，对行计算
print(np.mean(A,axis = 0))
print(np.mean(A,axis = 1))
    输出：
    [6. 7. 8. 9.]
    [ 3.5  7.5 11.5]
# 7. 求所有元素的中位数
print(np.median(A))  
    输出：7.5
# 8. 求所有元素累加和
print(np.cumsum(A))
    输出：
    [ 2  5  9 14 20 27 35 44 54 65 77 90]
# 9. 累差
print(np.diff(A))   #由3行4列变为3行3列
    输出：
    [[1 1 1]
     [1 1 1]
     [1 1 1]]
# 10. 非零数的位置
print(np.nonzero(A))    
    输出：
    (array([0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2], dtype=int64), array([0, 1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3], dtype=int64))
# 输出2个array，第一个array代表行索引，带二个array代表列索引：行索引为0，列索引为0,1,2,3的元素都非零

A=np.arange(14,2,-1).reshape(3,4)
print(A)
    输出：
    [[14 13 12 11]
     [10  9  8  7]
     [ 6  5  4  3]]
# 1. 每行升序排序
print(np.sort(A))  
    输出：
    [[11 12 13 14]
     [ 7  8  9 10]
     [ 3  4  5  6]]
# 2. 转置矩阵 - 两种写法
print(A.T)
print(np.transpose(A))
    均输出：
    [[14 10  6]
     [13  9  5]
     [12  8  4]
     [11  7  3]]
# 3. 转置后矩阵与转置前相乘
print((A.T).dot(A))
    输出：
    [[332 302 272 242]
     [302 275 248 221]
     [272 248 224 200]
     [242 221 200 179]]
# 4. 截取clip()，超出边界的元素，都变为边界数字
print(np.clip(A,5,11))   #小于5的数字变为5，大于11的数字变为11
    输出：
    [[11 11 11 11]
     [10  9  8  7]
     [ 6  5  5  5]]

# 定义一个array
A = np.arange(3,15)
print(A)
    输出：
    [ 3  4  5  6  7  8  9 10 11 12 13 14]
# 1. 获取一维数组指定索引的元素值
print(A[3])   # 索引为 3 的值为6
    输出：6

# 定义一个array
A = np.arange(3,15).reshape((3,4))
print(A)
    输出：
    [[ 3  4  5  6]
     [ 7  8  9 10]
     [11 12 13 14]]
# 1. 获取二维数组指定索引的元素值
print(A[2][1])    #行索引为【2】，列索引为【1】对应的元素值
print(A[2,1]) 
    输出：
    12
    12
# 2. 获取某行、某列值
print(A[2,:])   #行索引为2，所有列
print(A[2,0:2])   #行索引为2，列索引为0，1
print(A[:,2])     #所有行，列索引为2
输出：
[11 12 13 14]
[11 12]
[ 5  9 13]