learn_three

2021-10-24 约 1889 字预计阅读 4 分钟次阅读

记录一下实训学到的内容

布尔索引

布尔索引不能使用and or not ，只能用& | ~ 因为只能用位操作符

花哨索引

arr = np.arange(32).reshape((8, 4))
arr

array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15],
       [16, 17, 18, 19],
       [20, 21, 22, 23],
       [24, 25, 26, 27],
       [28, 29, 30, 31]])

arr[[1, 5, 7, 2], [0, 3, 1, 2]]

array([ 4, 23, 29, 10])

更常用的方式为

arr[[1, 5, 7, 2]][:, [0, 3, 1, 2]] # 行，列重置顺序

array([[ 4,  7,  5,  6],
       [20, 23, 21, 22],
       [28, 31, 29, 30],
       [ 8, 11,  9, 10]])

pandas.cut

import pandas as pd
import numpy as np
cars = pd.read_csv("second_cars_info.csv",encoding="gbk")
final_ = [cars.Sec_price.min()] + list(np.linspace(10,100,10)) + [cars.Sec_price.max()]
pd.cut(cars["Sec_price"],bins=final_).value_counts().sort_index() # 对区间进行排序
# labels参数给每个区间贴上标签

.str的用法

可以对行列进行python字符串一样的操作

stud_alcoh[["Mjob",'Fjob']].apply(lambda x:x.str.upper())
# 对Mjob Fjob两列变成大写
# 也可以用applymap
stud_alcoh[["Mjob",'Fjob']].applymap(lambda x:x.upper()) #区别就在于.str 
# 因为applymap只能对dataframe进行操作,apply可以对Dataframe和Series进行操作。

groupby与apply灵活运用

coffee = pd.read_excel("coffee.xlsx")
coffee.groupby("区域").apply(lambda x:x["销售额"].sum()) # 如果是DataFramegroupby对象调用apply，转换函数处理的就是每一个分组（dataframe）
# 等价于 coffee.groupby("区域")['销售额'].sum()

求各个区域的销售总和、平均销售额、预计销售额与实际销售额的差异总和

def transfer(x_):# x_类型是dataframe
    res = pd.Series()
    res["销售总和"] = x_["销售额"].sum()
    res["平均销售额"] = x_['销售额'].mean()
    res['差值'] = ( x_["销售额"] - x_['预计销售额']).mean()
    return res # 返回的是一个series
coffee.groupby("区域").apply(transfer)

求出个区域中，高于该区域平均利润的记录

def transfer(x): # x(dataframe) 
    mean_value = x["利润额"].mean()
    condition = x["利润额"] > mean_value
    return x[condition] # dataframe
c = coffee.groupby("区域").apply(transfer) # 二维索引
# c.loc[("Central",0)]

groupby也可以嵌套

def top_3_data(x):# x 表示DataFrame 每个区域的数据集
    res = x.groupby("产品名称").sum().sort_values("销售额",ascending=False).iloc[:3]
    return res
coffee.groupby("区域").apply(top_3_data)

nlargest nsmallest

求每一列最大的几个多最小的几个，一般配合groupby和apply使用

pd.Grouper

grouper = pd.Grouper(key="订单日期",freq="M") 按月进行分组。freq="Y"就是按年分组

def top_sale_month(x): #x 表示DataFrame 每个产品的数据集
    grouper = pd.Grouper(key="订单日期",freq="M")
    return x.groupby(grouper).sum().nlargest(1,"销售额")
coffee.groupby("产品名称").apply(top_sale_month).reset_index()

reset_index()方法就是按照原来的index显示，不然就是按照分组的结果展示 ## plt.xticks plt.yticks 可以理解为自定义x轴的坐标

plt.figure(figsize=(12,8))
width = 0.2
plt.bar(np.arange(4)+0,np.random.randint(3,10,(4)),color='r',width=width)
plt.bar(np.arange(4)+width*1,np.random.randint(3,10,(4)),color='g',width=width)
plt.bar(np.arange(4)+width*2,np.random.randint(3,10,(4)),color='b',width=width)
plt.xticks(np.arange(4)+width/2,list("abcd")) # 将0 1 2 3 替换为 a b c d
plt.show()

np.where

np.where(condition, [x, y]),这里三个参数,其中必写参数是condition(判断条件),后边的x和y是可选参数.那么这三个参数都有怎样的要求呢?

condition：array_like，bool,当为True时，产生x，否则产生y 情况1：

np.where([[True, False], [True, True]],

[[1, 2], [3, 4]],

[[9, 8], [7, 6]])

array([[1, 8],

[3, 4]])

条件中第0个元素中的第0个元素是true,那么取x中的相对应元素1;

条件中第0个元素中的第1个元素是false,那么取y中的相对应元素8;

条件中第1个元素中的第0个元素是ture,那么取x中相对应的元素3;

条件中第1个元素中的第1个元素是ture,那么取x中相对应的元素4;

所以最后的结果中取出的元素是1,8,3,4. 情况2：

x = np.arange(9.).reshape(3, 3)
np.where(x>5) # 返回的是索引

(array([2, 2, 2], dtype=int64), array([0, 1, 2], dtype=int64))

第一个array是行坐标，第二个array为列坐标。不想要索引想要具体的数值也很简单

x[np.where(x>5)]

array([6., 7., 8.])

np.where(x < 5, x, -1)

array([[ 0.,  1.,  2.],
       [ 3.,  4., -1.],
       [-1., -1., -1.]])

可见小于五的部分不变，大于5的则变成了-1 np.where常用于pandas的Series中。

目录