关注我们

Pandas Numpy

Numerical Python(Numpy)被定义为Python软件包，用于执行多维和一维数组元素的各种数值计算和处理。使用Numpy数组计算比普通Python数组快。该软件包由 Travis Oliphant 在2005年通过将祖先模块Numeric的函数添加到另一个模块 Numarray 中创建。

NumPy主要用 C 语言编写，它是Python的扩展模块。

pandas建立在numpy数组之上；因此，numpy帮助无涯教程更有效地使用pandas。

创建数组

数组的主要任务是将多个值存储在单个变量中。它定义了可以用numpy轻松处理的多维数组，如以下示例所示:

复制代码

# 导入“array”以演示数组操作
import array
# 用数组值和有符号整数初始化数组
arr = array.array('l', [2, 4, 6, 8, 10, 12]) 
# 打印原始数组
print ("New created array: ",end="")
for l in range (0,5):
print (arr[l], end=" ")
print ("\r")

输出:

New created array: 2 4 6 8 10

布尔索引

布尔索引被定义为numpy的重要工具，它在Pandas中经常使用。无涯教程可以按以下不同方式过滤布尔索引中的数据:

使用布尔索引访问DataFrame。
将布尔型掩码应用于DataFrame。
根据列值来计算数据。
根据索引值计算数据。

示例1

本示例说明如何使用布尔索引访问DataFrame:

链接：https://www.learnfk.comhttps://www.learnfk.com/pandas/pandas-numpy.html

来源：LearnFk无涯教程网

复制代码

# importing pandas as pd
import pandas as pd
# 列表字典
dict = {'name':["Learnfk", "William", "Phill", "Parker"], 
        'age': ["28", "39", "34", "36"]} 
info = pd.DataFrame(dict, index = [True, True, False, True]) 
print(info)

输出:

name    age
True     Learnfk    28
True   William   39
False    Phill   34
True    Parker    36

示例2

本示例说明如何使用 .loc[] 使用布尔索引访问DataFrame。

复制代码

# importing pandas as pd
import pandas as pd
# 列表字典
dict = {'name':["Learnfk", "William", "Phill", "Parker"], 
        'age': ["28", "39", "34", "36"]} 
info = pd.DataFrame(dict, index = [True, True, False, True]) 
# 使用 .loc[] 函数访问数据框
print(info.loc[True])

输出:

name    age
True     Learnfk    28
True   William    39
True    Parker    36

重塑数组

重塑数组用于重整数组而不更改其数据。

复制代码

numpy.reshape(a, newshape, order='C')

参数

a - 定义要重塑的数组。
newshape - 对于整数值，结果将是该长度的一维数组。
order - 这是一个可选参数，它通过使用索引顺序读取元素，然后借助索引顺序将元素放置到重新排列的数组中。

它返回经过重塑的数组。

示例

复制代码

import numpy as np
arr = np.arange(16)
print("The Original array is: \n", arr)
# 具有 8行 2 列的形状数组
arr = np.arange(16).reshape(2, 8)
print("\nreshapedarray: \n", arr)
# 具有 8行 2 列的形状数组
arr = np.arange(16).reshape(8 ,2)
print("\nreshaped array: \n", arr)

输出:

The Original array is: 
 [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15]
reshaped array: 
 [[ 0  1  2  3  4  5  6  7]
[ 8  9 10 11 12 13 14 15]]

reshaped array: 
 [[ 0  1]
[ 2  3]
[ 4  5]
[ 6  7]
[ 8  9]
 [10 11]
 [12 13]
 [14 15]]

祝学习愉快！(内容编辑有误？请选中要编辑内容 -> 右键 -> 修改 -> 提交！)

技术教程推荐

Service Mesh实践指南 -〔周晶〕

大型Android系统重构实战 -〔黄俊彬〕

结构学习力 -〔李忠秋〕

结构思考力 · 透过结构看思考 -〔李忠秋〕

好记忆不如烂笔头。留下您的足迹吧 :)