Numpy和Pandas常用函数速查表
Numpy
| 函数 | 功能 |
|---|---|
| np.sin() | 对每个元素求正弦 |
| np.cos() | |
| np.arange(num1, num2) | 创建一个从num1到num2-1的数组 |
| array < number | 返回一个bool值的数组，大于number为True，小于为False |
| array.reshape(行，列) | 改变array的形状 |
| array1 * array2 | 两个array对应元素相乘 |
| np.dot(array1, array2) | 两个array进行矩阵乘法 |
| array1.dot(array2) | 矩阵乘法 |
| np.random.random((行, 列)) | 生成一个行x列的随机数组，都是0到1 |
| np.sum(array[,axis=0/1]) | 求和，0是按行，1是按列 |
| np.min() | 最小值 |
| np.max() | 最大值 |
| np.argmin() | 最小值索引 |
| np.argmax() | 最小值索引 |
| np.mean() | 均值 |
| np.average() | 均值 |
| np.median() | 中值 |
| np.cumsum() | 累加 |
| np.diff() | 累差 |
| np.nonzero() | 返回两个数组，分别为非零元素的行和列 |
| np.sort() | 逐行排序 |
| np.transpose() | 转置 |
| array.T | 转置 |
| np.clip(array, min, max) | 所有小于nim的值置min，大于max的值置max |
| array[num_index] | |
| array[num1][num2], array[num1,num2] | 二维索引 |
| array[:, 1] | 取第1列 |
| array.flatten | 返回一个将array展开的一维数组 |
| array.flat | 将array展开为一个一维数组，不同的是这是一个迭代器 |
| np.vstack((array1, array2)) | 将两个数组上下合并 |
| np.hstack((array1, array2, array3)) | 将多个array左右合并 |
| array[np.newaxis,:] | 在行上加一个维度，可使一维数组变成列向量 |
| array[:, np.newaxis] | 在列上加一个维度 |
| np.concatenate((array1, array2, array3), axis=0/1) | 合并多个array，0是竖着合并，1是横着合并 |
| np.split(array,num, axis=0/1) | 0是横着切，1是竖着切。分成num份。array必须能被均分为num份 |
| np.array_split(array, num, axis=0/1) | 不能均分时，将多出来的分给第一份。 |
| np.vsplit(array, num) | 纵向分割 |
| np.hsplit() | 横向分割 |
| array1 = array2 | 两个array完全是同一个，只不过名字不同。改变一个，另一个也会改变 |
| array2 = array1.copy() | 深拷贝，只copy值 |
Pandas
| 函数 | 功能 |
|---|---|
| pd.Series(list1, index=list2) | 将list1转变为dataframe，索引为list2 |
| pd.DataFrame(array) | |
| pd.DataFrame(dictionary) | 将字典转为DataFrame |
| df.describe() | df的一些描述 |
| df.dtypes | 类型 |
| df.index | 所有行名 |
| df.columns | 所有列名 |
| df,values | 所有值 |
| df.T | 转置 |
| df.sort_index(axis=0/1, ascending=True/False) | 按行或列排序，倒叙还是顺序 |
| df[‘A’] df.A | 选择数据 |
| df[0:3] | 切片 |
| df.loc[标签] | 选择标签 |
| df.iloc[行数，列数] | 按位置筛选 |
| df.ix[行数,列名] | 前者为数字，后者可为字符串 |
| df[新列名] = 内容 | 新加列 |
| df.dropna(axis=0/1, how=‘any’/‘all’ | 舍去行还是列的nan值， any表示只要有nan就舍去，all表示全部为nan时才删除 |
| df.fillna(value=数) | 填充缺失值 |
| df.isnull() | df里全为nan时 |
| np.any(df.isnull()) | 查看是否有缺失值 |
| pd.concat([df1,df2,df3,df4],axis=0) | 0是竖向合并，1是横向合并 |
| pd.concat([df1, df2, df3]), axis=0/1, ignore_index=True/False ) | 合并数组，并且是否忽视原有的index |
| pd. concat([df1, df2],join=‘outter’/‘inner’) | 当两个df大小不同时，默认outter，不共有的地方补nan。inner表示删除共有的部分 |
| pd.concat([df1, df2,df3], axis=0/1，join_axis=[df1.index]) | 按照df1的index合并，df2没有的补nan，df2比df1多的删除 |
| df1.append(s1, ignore_index=True) | append是在原来DataFrame下面添加一行，如有多行，前面用列表 |
| pd.merge(df1, df2, on=列名) | 按照设置的共有的列名处合并，默认how=’inner‘，how还可以是outter， left， right。inner表示只考虑列名中二者一样的行，outter表示不管一样不一样，全都保留，不一样的部分补nan。left表示以第一个df为准，他不变，在指定列中df2和他一样，就保留df2的那一行，不一样，就补nan。right则是按第二个 |
| df.cumsum() | 累加 |
| df.plot() | 绘图 |
| df.head(num) | 只打印前num行 |