py

2023-02-22 11:04:44 浏览数 (2)
代码语言：python代码运行次数：0复制
!pip install --upgrade pandas
!pip install --upgrade seaborn
代码语言：python代码运行次数：0复制
import numpy as np
import pandas as pd
import seaborn as sb
import matplotlib.pyplot as plt

# 检查版本
print(np.__version__)
print(pd.__version__)
print(sb.__version__)

# train_data = pd.read_csv("https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2019/2019-10-29/nyc_squirrels.csv")
train_data = pd.read_csv("work/data.csv")
print(type(train_data))
print(train_data.head(4))
ss

1.19.5

代码语言：txt复制
1.3.5
代码语言：txt复制
0.12.2
代码语言：txt复制
<class 'pandas.core.frame.DataFrame'>
代码语言：txt复制
        long        lat unique_squirrel_id hectare shift      date
代码语言：txt复制
0 -73.956134  40.794082     37F-PM-1014-03     37F    PM  10142018
代码语言：txt复制
1 -73.957044  40.794851     37E-PM-1006-03     37E    PM  10062018
代码语言：txt复制
2 -73.976831  40.766718      2E-AM-1010-03     02E    AM  10102018
代码语言：txt复制
3 -73.975725  40.769703      5D-PM-1018-05     05D    PM  10182018
代码语言：python代码运行次数：0复制
a = np.arange(18).reshape(3,6)
print(a)

data_frame = pd.DataFrame(np.arange(18).reshape(3,6),
                        index=["a", "b", "c"],#行索引
                        columns=["A", "B", "C", "D", "E", "F"])#列索引

print(data_frame)
print(data_frame.index)
print(data_frame.columns)
print(data_frame.dtypes)
代码语言：txt复制
[[ 0  1  2  3  4  5]
代码语言：txt复制
 [ 6  7  8  9 10 11]
代码语言：txt复制
 [12 13 14 15 16 17]]
代码语言：txt复制
    A   B   C   D   E   F
代码语言：txt复制
a   0   1   2   3   4   5
代码语言：txt复制
b   6   7   8   9  10  11
代码语言：txt复制
c  12  13  14  15  16  17
代码语言：txt复制
Index(['a', 'b', 'c'], dtype='object')
代码语言：txt复制
Index(['A', 'B', 'C', 'D', 'E', 'F'], dtype='object')
代码语言：txt复制
A    int64
代码语言：txt复制
B    int64
代码语言：txt复制
C    int64
代码语言：txt复制
D    int64
代码语言：txt复制
E    int64
代码语言：txt复制
F    int64
代码语言：txt复制
dtype: object
代码语言：txt复制
    A   B   C   D   E   F
代码语言：txt复制
a   0   1   2   3   4   5
代码语言：txt复制
b   6   7   8   9  10  11
代码语言：txt复制
c  12  13  14  15  16  17
代码语言：txt复制
    A   B   C   D   E   F
代码语言：txt复制
a   0   1   2   3   4   5
代码语言：txt复制
b   6   7   8   9  10  11
代码语言：txt复制
c  12  13  14  15  16  17
代码语言：python代码运行次数：0复制
# DataFrame 查看特定类型
df = pd.DataFrame(np.ones((3,3)), columns=["a", "b", "c"])
print(df)
print(df.dtypes)
# DataFrame 的特定类型的列 select_dtypes
print(df.select_dtypes(include=["int64"])) #只看整数型
print(df.select_dtypes(exclude=["float64"])) #去掉浮点型
print("nexclude int:n",df.select_dtypes(exclude=["int64"]))
代码语言：txt复制
     a    b    c
代码语言：txt复制
0  1.0  1.0  1.0
代码语言：txt复制
1  1.0  1.0  1.0
代码语言：txt复制
2  1.0  1.0  1.0
代码语言：txt复制
a    float64
代码语言：txt复制
b    float64
代码语言：txt复制
c    float64
代码语言：txt复制
dtype: object
代码语言：txt复制
Empty DataFrame
代码语言：txt复制
Columns: []
代码语言：txt复制
Index: [0, 1, 2]
代码语言：txt复制
Empty DataFrame
代码语言：txt复制
Columns: []
代码语言：txt复制
Index: [0, 1, 2]
代码语言：txt复制
exclude int:
代码语言：txt复制
      a    b    c
代码语言：txt复制
0  1.0  1.0  1.0
代码语言：txt复制
1  1.0  1.0  1.0
代码语言：txt复制
2  1.0  1.0  1.0
代码语言：python代码运行次数：0复制
# 取出特定样本、特征

df = pd.DataFrame(np.ones((3,3)), columns=["a", "b", "c"])
print(df,"n----------------------------")
# 取出第0行和第2行数据
print(df.loc[[0,2], :], "n-----------------------")
# 取出第0行b标签数据
print(df.loc[0, "b"], "n----------------------")
# 取出所有行b列、c列数据
print(df.loc[:, ["b", "c"]])
代码语言：txt复制
     a    b    c
代码语言：txt复制
0  1.0  1.0  1.0
代码语言：txt复制
1  1.0  1.0  1.0
代码语言：txt复制
2  1.0  1.0  1.0
代码语言：txt复制
----------------------------
代码语言：txt复制
     a    b    c
代码语言：txt复制
0  1.0  1.0  1.0
代码语言：txt复制
2  1.0  1.0  1.0
代码语言：txt复制
-----------------------
代码语言：txt复制
1.0
代码语言：txt复制
----------------------
代码语言：txt复制
     b    c
代码语言：txt复制
0  1.0  1.0
代码语言：txt复制
1  1.0  1.0
代码语言：txt复制
2  1.0  1.0
代码语言：python代码运行次数：0复制
# 截断
print(df.truncate(before=0, after=1))# 默认方向是行 axis="index"
print(df.truncate(before="b", after="c", axis='columns'))

# 丢掉默写特征
df.pop("b")
print(df)
代码语言：txt复制
     a    b    c
代码语言：txt复制
0  1.0  1.0  1.0
代码语言：txt复制
1  1.0  1.0  1.0
代码语言：txt复制
     b    c
代码语言：txt复制
0  1.0  1.0
代码语言：txt复制
1  1.0  1.0
代码语言：txt复制
2  1.0  1.0
代码语言：txt复制
     a    c
代码语言：txt复制
0  1.0  1.0
代码语言：txt复制
1  1.0  1.0
代码语言：txt复制
2  1.0  1.0
代码语言：python代码运行次数：0复制
# 合并 DataFrame(0, 1) => DataFrame(行, 列)， 若维度不同进行合并， Nana 补填
print(pd.concat([df, df], axis=0))#行维度
print(pd.concat([df, df], axis=1))#列维度
代码语言：txt复制
     a    c
代码语言：txt复制
0  1.0  1.0
代码语言：txt复制
1  1.0  1.0
代码语言：txt复制
2  1.0  1.0
代码语言：txt复制
0  1.0  1.0
代码语言：txt复制
1  1.0  1.0
代码语言：txt复制
2  1.0  1.0
代码语言：txt复制
     a    c    a    c
代码语言：txt复制
0  1.0  1.0  1.0  1.0
代码语言：txt复制
1  1.0  1.0  1.0  1.0
代码语言：txt复制
2  1.0  1.0  1.0  1.0
代码语言：python代码运行次数：0复制
# 数学运算

df = pd.DataFrame(np.ones((3,3)), columns=["a", "b", "c"])
print(df,"n----------------------------")
#add, sub, mul, div, mod, pow:  , -, *, /, //, %, **
print(df.add(df))
print(df.sub(df))
print(df.mul(df))
print(df.div(df))
代码语言：txt复制
     a    b    c
代码语言：txt复制
0  1.0  1.0  1.0
代码语言：txt复制
1  1.0  1.0  1.0
代码语言：txt复制
2  1.0  1.0  1.0
代码语言：txt复制
----------------------------
代码语言：txt复制
     a    b    c
代码语言：txt复制
0  2.0  2.0  2.0
代码语言：txt复制
1  2.0  2.0  2.0
代码语言：txt复制
2  2.0  2.0  2.0
代码语言：txt复制
     a    b    c
代码语言：txt复制
0  0.0  0.0  0.0
代码语言：txt复制
1  0.0  0.0  0.0
代码语言：txt复制
2  0.0  0.0  0.0
代码语言：txt复制
     a    b    c
代码语言：txt复制
0  1.0  1.0  1.0
代码语言：txt复制
1  1.0  1.0  1.0
代码语言：txt复制
2  1.0  1.0  1.0
代码语言：txt复制
     a    b    c
代码语言：txt复制
0  1.0  1.0  1.0
代码语言：txt复制
1  1.0  1.0  1.0
代码语言：txt复制
2  1.0  1.0  1.0

Matplotlib

代码语言：python代码运行次数：0复制
# 在一定范围内的数的个数统计

x = [0,2,9,2,5,6,2]
plt.hist(x)
plt.show()
output_63_0.pngoutput_63_0.png
代码语言：python代码运行次数：0复制
# hist()绘制直方图

plt.hist(train_data["hectare_squirrel_number"])
plt.show()
output_64_0.pngoutput_64_0.png
代码语言：python代码运行次数：0复制
plt.figure(0)
plt.title("hectare_squirrel_number")
plt.xlabel("squirrel")
plt.ylabel("hectare")
ax = train_data["hectare_squirrel_number"].hist(bins=30, grid=True, color="green")

print(ax.patches)#使用patchespatches查看plot的输出的一系列图块

for rect in ax.patches:
    if rect.get_x() >= 10:
        rect.set_color("blue")

plt.show()
代码语言：txt复制
<Axes.ArtistList of 30 patches>
matplotlib

0 人点赞