pandas、matplotlib、Numpy模块的简单学习

发布于 2022-05-10 16:05:01

8940

发布于 2022-05-10 16:05:01

文章被收录于专栏：python、mysql、go知识点积累python、mysql、go知识点积累

一、pandas模块

pandas是BSD许可的开源库，为Python编程语言提供了高性能，易于使用的数据结构和数据分析工具。

pandas模块：操作excel/json/sql/ini/csv(配置文件）使用pandas处理Excel文件需要根据报错内容安装两个插件，pd从Excel中读取的是DataFrame数据类型。

import numpy as np
import pandas as pd
np.random.seed(10)
index = pd.date_range('2019-01-01',periods=6,freq='M')#产生以月为间隔的的时间（periods时间，freq频率相当于间隔的时间单位）
print(index)
columns = ['c1','c2','c3','c4']
print(columns)
val = np.random.randn(6,4)
print(val)
df = pd.DataFrame(index=index,columns=columns,data=val)#索引，列，值
print(df)
#保存文件
df.to_excel('date_c1.xls')
#读取文件
df = pd.read_excel('date_c.xls',index_col=[0])#index_col[0]第零列
print(df)
#接下来我们可以打印出来行和列的索引，然后根据索引打印出对应的行和列的数据然后对它们进行处理
print(df.index)#打印出行索引
print(df.columns)#打印出列索引
print(df.values)#打印出所有的值

#loc[]按照index取值
print(df.loc['2019-01-31'])#取出2019-01-31对应的数据（注意loc是中括号）
print(df.loc['2019-01-31':'2019-05-31'])#取出这两个时间段之间的所有数据
print(df)

二、matplotlib模块

Matplotlib是一个Python 2D绘图库，它以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形。Matplotlib可用于Python脚本，Python和IPython Shell，Jupyter笔记本，Web应用程序服务器和四个图形用户界面工具包。

Matplotlib尝试使容易的事情变得容易，使困难的事情变得可能。您只需几行代码就可以生成图表，直方图，功率谱，条形图，误差图，散点图等。

为了简单绘图，该pyplot模块提供了类似于MATLAB的界面，尤其是与IPython结合使用时。对于高级用户，您可以通过面向对象的界面或MATLAB用户熟悉的一组功能来完全控制线型，字体属性，轴属性等。

matplotlib模块：用于画各种统计图

1.条形图

from matplotlib import pyplot as plt
#约定俗成这样写
from matplotlib.font_manager import FontProperties
#修改字体
font = FontProperties(fname='C:\Windows\Fonts\simsun.ttc')

plt.style.use('ggplot')#设置背景
clas = ['3班','4班','5班','6班']
stuents = [50,45,55,60]
clas_index = range(len(clas))
plt.bar(clas_index,stuents,color = 'darkblue')#使用bar()函数生成条形图
plt.xlabel('学生',fontproperties=font)
plt.ylabel('学生人数',fontproperties=font,fontsize=20,fontweight=25)#更改y轴的字体大小
plt.xticks(clas_index,clas,fontproperties=font)#获取或设置x轴的当前刻度位置和标签。
plt.show()#显示绘制的图形

2. 直方图

import numpy as np
from matplotlib import pyplot as plt  # 约定俗成
from matplotlib.font_manager import FontProperties  # 修改字体

font = FontProperties(fname='C:\Windows\Fonts\simsun.ttc')

plt.style.use('ggplot')

x1 = np.random.randn(10000)

x2 = np.random.randn(10000)

fig = plt.figure()  # 生成一张画布
ax1 = fig.add_subplot(1, 2, 1)  # 将画布分成两块，取第一块
ax2 = fig.add_subplot(1, 2, 2)

ax1.hist(x1, bins=50,color='darkblue')
ax2.hist(x2, bins=50,color='y')

fig.suptitle('两个正态分布',fontproperties=font,fontsize=20)
ax1.set_title('x1的正态分布',fontproperties=font)  # 加子标题
ax2.set_title('x2的正态分布',fontproperties=font)
plt.show()

3.折线图

import numpy as np
from matplotlib import pyplot as plt
from matplotlib.font_manager import FontProperties
font = FontProperties(fname='C:\Windows\Fonts\simsun.ttc')
plt.style.use('ggplot')
np.random.seed(10)
x1 = np.random.randn(40).cumsum()
x2 = np.random.randn(40).cumsum()
x3 = np.random.randn(40).cumsum()
x4 = np.random.randn(40).cumsum()

plt.plot(x1,c='r',linestyle='-',marker='o',label='红圆线')
plt.plot(x2,color='y',linestyle='--',marker='*',label='黄虚线')
plt.plot(x3,color = 'b',linestyle='-.',marker='s',label='蓝方线')
plt.plot(x4,color='black',linestyle=':',marker='s',label='黑方线')
plt.legend(loc='best',prop=font)#显示label(标签)
plt.show()

4.散点图+直线图

import numpy as np
from matplotlib import pyplot as plt
from matplotlib.font_manager import FontProperties

font = FontProperties(fname='C:\Windows\Fonts\simsun.ttc')
plt.style.use('ggplot')
fig = plt.figure()#创建一块新的画布
ax1 = fig.add_subplot(1,2,1)#将画布分成两块，取第一块
ax2 = fig.add_subplot(1,2,2)

x = np.arange(20)#x的范围
y = x**2
x2 = np.arange(20)
y2 = x2
ax1.scatter(x,y,c='r',label='红')
ax1.scatter(x2,y2,c='b',label='蓝')

ax2.plot(x,y)#将y与x作图作为线和/或标记
ax2.plot(x2,y2)
fig.suptitle('两张图',FontProperties=font,fontsize=15)
ax1.set_title('散点图',fontproperties=font)
ax2.set_title('折线图',fontproperties=font)
ax1.legend(prop=font)#Legend（显示图中的标签）
plt.show()

三、numpy

NumPy是使用Python进行科学计算的基本软件包。它包含以下内容：

强大的N维数组对象
复杂的（广播）功能
集成C / C ++和Fortran代码的工具
有用的线性代数，傅立叶变换和随机数功能

除了其明显的科学用途外，NumPy还可以用作通用数据的高效多维容器。可以定义任意数据类型。这使NumPy可以无缝，快速地与各种数据库集成。

NumPy已获得BSD许可证的许可，从而可以无限制地进行重用。

numpy：用于数据分析的模块，可进行矩阵的运算，对两个数组进行相乘的运算

lt1 = [1,2,3]
lt2 = [4,5,6]
lt = []
for i in range(len(lt1)):
    lt.append(lt1[i]*lt2[i])
print(lt)
import numpy as np

arr1 = np.array([1,2,3])
arr2 = np.array([4,5,6])
print(arr1*arr2)
[4, 10, 18]
[ 4 10 18]数组和列表是不一样的
一维数组
arr3 = np.array([1,2,3])
#二维数组
arr4 = np.array([[1,2,3],
                 [4,5,6]])
#三维数组
arr5 = np.array([[[1,2,3],
                  [4,5,6]],
                 [[1,2,3],
                  [4,5,6]]])
print(arr3)#[1 2 3]
print(arr4)
# [[1 2 3]
#  [4 5 6]]
print(arr5)
[[[1 2 3]
  [4 5 6]]

 [[1 2 3]
  [4 5 6]]]
这里只讨论二维数组

numpy的属性

T转置，就是矩阵的转置

arr = np.array([[1,2,3],
                [4,5,6]])
print(arr,'\n',arr.T)
# [[1 4]
#  [2 5]
#  [3 6]

dtype 数组元素的数据类型，numpy数组是属于Python解释器的；int32/float64是属于numpy的

print(arr.dtype)#int32

size数组元素的个数

print(arr.size)#6

ndim 数组的维数

print(arr.ndim)#2

shape数组维度的大小（以元组的形式）

print(arr.shape[0])#2
print(arr.shape[1])#3就是指数组的行数和列数

astype数据类型转换

arr = arr.astype(np.float64)
print(arr)
[[1. 2. 3.]
 [4. 5. 6.]]#浮点数据类型小数点后为零所以省略不写

切片numpy数组

lt = [1,23,4]
print(lt[1:])
arr = np.array([[11,2,3],
                [4,5,6]])
print(arr[:,0])#数组的切片和列表的切片相似，但是这个是[行,列]也是通过索引取值，这个更类似与坐标，如果要取整行或者整列需要用冒号代替数字，如[:,0]就是取得第零列
#逻辑取值
print(arr[arr>4])#[11  5  6]去除所有大于4的数值构成一维数组

赋值

lt = [1,2,3]
lt[:] = [0,0,0]
print(lt)
arr = np.array([[1,2,3],
               [4,5,6]])
arr[0,0] = 0
print(arr)
# [[0 2 3]
#  [4 5 6]]
arr[:,0] = [2,5]
print(arr)
# [[2 2 3]
#  [5 5 6]]
#数组的赋值可以通过坐标的方式一个一个的对其元素赋值,也可以整行整列对其元素进行互换

数组的合并:可以左右合并也可以上下合并，前提是对应的行和列要相等

arr1 = np.array([[1,2,3],
                 [4,5,6]])
arr2 = np.array([[7,8,9],
                 ['a','s','g']])
print(np.hstack((arr1,arr2)))#只能放元组行合并
print(np.vstack((arr1,arr2)))#列合并
print(np.concatenate((arr1,arr2),axis=1))#默认为列合并，0为列合并，1为行合并
# [['1' '2' '3' '7' '8' '9']
#  ['4' '5' '6' 'a' 's' 'g']]
# [['1' '2' '3']
#  ['4' '5' '6']
#  ['7' '8' '9']
#  ['a' 's' 'g']]
# [['1' '2' '3' '7' '8' '9']
#  ['4' '5' '6' 'a' 's' 'g']]

通过函数创建numpy数组

print(np.ones((2,3)))#创建一个两行三列的元素都为一的矩阵数据类型是float类型
# [[1. 1. 1.]
#  [1. 1. 1.]]
print(np.zeros((2,3)))#创建一个元素都为零的矩阵
# [[0. 0. 0.]
#  [0. 0. 0.]]

print(np.eye(3))#创建一个单位阵这里括号里面不需要元组
# [[1. 0. 0.]
#  [0. 1. 0.]
#  [0. 0. 1.]]
print(np.linspace(1,100,10))#将0-100平均分成10份
#[  1.  12.  23.  34.  45.  56.  67.  78.  89. 100.]
print(np.arange(2,10))#构造一个2-9的一维数组
#[2 3 4 5 6 7 8 9]
print(np.arange(1,20,2))#构造一个2-19的数组，步长为2
#[ 1  3  5  7  9 11 13 15 17 19]

arr1 = np.zeros((1,12))
print(arr1.reshape((3,4)))#将原来的数组重构形状，reshape((行，列))
# [[0. 0. 0. 0.]
#  [0. 0. 0. 0.]
#  [0. 0. 0. 0.]]

numpy数组运算这里的数组运算其实就是矩阵的数学运算遵循所有矩阵的运算规则

arr1 = np.ones((3,4))*4#数乘
print(arr1)
# [[4. 4. 4. 4.]
#  [4. 4. 4. 4.]
#  [4. 4. 4. 4.]]
#numpy数组还可以进行正余弦等三角函数运算
print(np.sin(arr1))#对所有的元素都会进行运算
#数组的矩阵运算--》点乘
arr1 = np.array([[1,2,3],
                 [4,5,6]])
arr2 = np.array([[1,2],
                 [4,5],
                 [8,7]])
print(np.dot(arr1,arr2))
# [[33 33]
#  [72 75]]
#求逆运算
arr3 = np.dot(arr1,arr2)
print(np.linalg.inv(arr3))
# [[ 0.75757576 -0.33333333]
#  [-0.72727273  0.33333333]]
#numpy的数学和统计方法
print(np.sum(arr3[0,:]))#对第一行元素求和

# np.random.seed(1)#让随机数暂停
# print(np.random.random((3,4)))#生成一个三行四列的随机数

print(np.random.rand(3,4))#产生均匀分布的随机数

s = np.random.RandomState(1)#让随机数暂停,和seed(1)得到的结果相同
print(s.random((3,4)))

arr = np.array([[1,2,3,4],[4,5,6,7],[7,8,9,10],[11,23,45,67]])
np.random.shuffle(arr)#整行整行的乱序(将每一行都当做一个整体然后在乱序)
print(arr)
# [[7 8 9]
#  [4 5 6]
#  [1 2 3]]
print(np.random.choice([1,2,3],1))#随机选择一个数
print(np.random.randint(1,100,(3,4)))#对1-100内的整数进行随机，生成一个三行四列的矩阵

实例分析

按照要求对电影数据绘图

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

解决中文乱码配置

#### mac 系统需要配置下面所有的
from matplotlib.font_manager import FontProperties
font=FontProperties(fname='/Users/shangzekai/Downloads/font/simhei.ttf')
font1=FontProperties(fname='/Users/shangzekai/Downloads/font/simhei.ttf')

plt.rcParams['font.sans-serif'] = ['SimHei']#windows系统只需要这两行配置
plt.rcParams['axes.unicode_minus'] = False

movies = pd.read_csv('./douban_movie.csv')
movies.head()

.dataframe tbody tr th:only-of-type { vertical-align: middle } \3cpre>\3ccode>.dataframe tbody tr th { vertical-align: top } .dataframe thead th { text-align: right }

	名字	投票人数	类型	产地	上映时间	时长	年代	评分	首映地点
0	肖申克的救赎	692795.0	剧情/犯罪	美国	1994-09-10 00:00:00	142.0	1994	9.6	多伦多电影节
1	控方证人	42995.0	剧情/悬疑/犯罪	美国	1957-12-17 00:00:00	116.0	1957	9.5	美国
2	美丽人生	327855.0	剧情/喜剧/爱情	意大利	1997-12-20 00:00:00	116.0	1997	9.5	意大利
3	阿甘正传	580897.0	剧情/爱情	美国	1994-06-23 00:00:00	142.0	1994	9.4	洛杉矶首映
4	霸王别姬	478523.0	剧情/爱情/同性	中国大陆	1993-01-01 00:00:00	171.0	1993	9.4	中国香港

res = movies.groupby('产地').size().sort_values(ascending=False)

#条形图的绘制
x = res.index
y = res.values
plt.figure(figsize=(18,6))#画布大小
plt.xlabel('产地',size=15,color='blue')
plt.ylabel('数量',size=15)
plt.xticks(size=18,rotation=45)#对坐标轴上的刻度进行设置，rotation设置字体的角度
for a,b in zip(x,y):
    plt.text(a,b+100,b,horizontalalignment='center')#将值写在坐标轴上点（a,b+100），horizontalalignment也可简写成ha，将数字居中
    plt.bar(x,y,color="blue")#color可以设置树状图的颜色
#     plt.savefig('/a.png')#保存图片，必须写在show前面
plt.show()

统计每一年电影的数量的折线图

res = movies.groupby('年代').size().sort_index()[:-3]

#折线图的绘制
x = res.index
y = res.values
plt.figure(figsize=(10,6))
plt.title('每一年电影数量的折线图',color='blue')
plt.xlabel('年代',color='blue',size=15)
plt.ylabel('数量',color='blue',size=15)
plt.plot(x,y)
plt.show()

根据电影的时长分布绘制饼状图

movie_time = movies['时长']
movie_time

0        142.0
1        116.0
2        116.0
3        142.0
4        171.0
         ...  
38730     58.0
38731     98.0
38732     91.0
38733     78.0
38734     97.0
Name: 时长, Length: 38735, dtype: float64

movie_time.sort_values(ascending=False)

19690    11500.0
38727     9200.0
36522      958.0
26910      934.0
30525      929.0
          ...   
15241        1.0
22021        1.0
5582         1.0
26875        1.0
14153        1.0
Name: 时长, Length: 38735, dtype: float64

res_time = pd.cut(movie_time,(0,60,90,120,150,180,1000)).value_counts()
res_time

(90, 120]      16578
(0, 60]        10324
(60, 90]        7727
(120, 150]      3154
(150, 180]       571
(180, 1000]      379
Name: 时长, dtype: int64

#饼状图的绘制
x = res_time.index
y = res_time.values
plt.figure(figsize=(10,6))
plt.title('电影时长分布',color='blue',size=20)
patchs, l_text, p_text = plt.pie(y,labels=x, autopct='%.2f%%')
#patchs是补丁，autopct是百分比的精确度
for l in l_text:#l_text是一个label的列表
    l.set_size(15)
    l.set_color('red')

for p in p_text:#p_text:就是百分比值
    p.set_size(15)
    p.set_color('white')

plt.show()