一维数据分析


需要先在conda中安装这两个包，安装命令：
conda install numpy,pandas

#导入numpy包
import numpy as np
#导入pandas包
import pandas as pd

一维数据分析：Numpy

#定义：一维数组array,参数传入的是一个列表[2,3,4,5]
a = np.array([2,3,4,5])
#查询
a[0]
2
#切片访问：获取指定序号范围的元素
#a[1:3]获取到的是序号从1到3的元素
a[1:3]
array([3, 4])

dtype详细信息参考网址：https://docs.scipy.org/doc/numpy-1.10.1/reference/arrays.dtypes.html

#查看数据类型dtype
a.dtype
dtype(int32)
#统计计算
#平均值
a.mean()
3.0
#标准差
a.std()
0.81649658092772603
#向量化运行：乘以标量
b=np.array([1,2,3])
c=b*4
c
array([ 4, 8, 12])

一维数据分析：Pandas

#定义：Pandas一维数据结构:Series
#存放6家公司某一天的股价（单位是美元）。其中腾讯427.4港元兑换成美元是54.74
stockS=pd.Series([54.74,190.9,173.14,1050.3,181.86,1139.49],
index=[腾讯,
阿里巴巴,
苹果,
谷歌,
Facebook,
亚马逊])
stockS
腾讯 54.74
阿里巴巴 190.90
苹果 173.14
谷歌 1050.30
Facebook 181.86
亚马逊 1139.49
dtype: float64
#获取描述统计信息
stockS.describe()
count 6.000000
mean 465.071667
std 491.183757
min 54.740000
25% 175.320000
50% 186.380000
75% 835.450000
max 1139.490000
dtype: float64
#iloc属性用于根据索引获取值
stockS.iloc[0]
54.740000000000002
#loc属性用于根据索引获取值
stockS.loc[腾讯]
54.740000000000002
#向量化运算：向量相加
s1=pd.Series([1,2,3,4],index=[a,b,c,d])
s2=pd.Series([10,20,30,40],index=[a,b,e,f])
s3=s1+s2
s3
a 11.0
b 22.0
c NaN
d NaN
e NaN
f NaN
dtype: float64
#方法1：删除缺失值
s3.dropna()
a 11.0
b 22.0
dtype: float64
#方法2：将缺失值进行填充
s3=s1.add(s2,fill_value=0)
s3
a 11.0
b 22.0
c 3.0
d 4.0
e 30.0
f 40.0
dtype: float64

推荐阅读：