python中reshape_用Python做数据分析的基础知识——Pandas&Numpy

Numpy与Pandas两个包是Python数据分领域使用较多的两个包，这里，我将根据如下结构对这两个包的基础知识与操作进行一个汇总：

Numpy：

Pandas：

Numpy：

Numpy是一个开源的Python科学计算基础库。

ndarray：

由上图中ln[2]与ln[5]的对比可以看出，ndarray数组间的运算是通过索引值完成的，只有索引值相同的元素才能进行计算，而普通一维数组需要通过索引对数组中元素进行定位后才能计算。

ndarray对象的属性与元素类型：

ndarray数组的创建方法：

ndarray数组有如上四种创建方法。

ndarray数组的变换：

ndarray数组的变换中运用的较多的是.reshape((n,m))与.astype(newtype)方法，.reshape()不会改变原数组而是生成一个n*m形状的新的数组，.astype()同样不会改变原数组而是创建new_type类型的新数组。

ndarray数组的操作：

ndarray数组的操作有索引与切片，索引即获取数组中特定位置的元素，切片即获取数组元素的子集。

其中，一维数据的索引和切片与Python列表类似。而n维数组即可分维度进行索引和切片，在各维度内的索引与切片规则与列表的类似。

ndarray数组的运算：

Pandas：

Pandas是提供高性能易用数据类型和分析工具的第三方库

Pandas是基于Numpy实现的，Pandas有两种数据类型：Series和DataFrame。

Series类型：

Series类型的基本操作：

DataFrame类型：

DataFrame类型类似于表格，有index与columns；

且可通过两种索引方法定位某一行的值，即.loc[]与.iloc[]方法，DataFrame.loc[]方法可通过自定义索引的值定位某行，DataFrame.iloc[]方法可通过自动索引的值定位某行；

可通过DataFrame[]方法定位某一列的值。

Pandas库的数据类型操作：

Pandas库的运算：

数据排序：

统计分析函数：

以上就是对Numpy与Pandas基础知识的汇总，在以后的工作学习中随时可以在这里回顾。

在下一篇文章中我将对数据集“朝阳医院2018年销售数据”进行数据清洗的工作。