python自带及pandas、numpy数据结构(一)

1python自带数据结构：序列（如list）、映射（如字典）、集合（set）。

以下只介绍序列中的list：

创建list：

list1 = []

list1 = [1,2,3,4,5,6,7,8,9] #逗号隔开

list2 = [[1,2],[3,4],[5,6],[7,8]] #list2长度(len(list2))为2,list2[0] = [1,2]

liststring = list(“thisisalist”) #只用于创建字符串列表

索引list：

e = list1[0] #下标从零开始，用中括号

分片list：

es = list1[0:3]

es = list1[0:9:2] #步长在第二个冒号后

list拼接（list1append(obj)、加运算及乘运算）：

list长度：

list每个元素乘一个数值：

list2 = numpydot(list2,2)

list类似矩阵相乘（每个元素对应相乘取和）：

list3 = numpydot(list1,list1)

#要求相乘的两个list长度相同

list3 = numpydot(list2,list22)

#要求numpyshape(list2)和numpyshape(list22)满足“左行等于右列”的矩阵相乘条件，相乘结果numpyshape(list3)满足“左列右行”

2numpy数据结构：

Array：

产生array：

data=nparray([[1, 9, 6], [2, 8, 5], [3, 7, 4]])

data=nparray(list1)

data1 = npzeros(5) #data1shape = (5,),5列

data1 = npeye(5)

索引array:

datacut = data[0,2] #取第零行第二列，此处是6

切片array：

datacut = data[0:2,2] # array([6, 5])

array长度：

datashape

datasize

npshape(data)

npsize(data)

len(data)

array拼接：

#括号内也有一个括号（中括号或者小括号）！

d = npconcatenate((data,data))

d = npconcatenate((data,data),axis = 1) #对应行拼接

array加法：逐个相加

array乘法：

d = data data #逐个相乘

d = npdot(data,data) #矩阵相乘

d = data 3 #每个元素乘3

d = npdot(data,3) #每个元素乘3

array矩阵运算：

取逆 : nplinalginv(data)

转置：dataT

所有元素求和 : npsum(data)

生成随机数：nprandomnormal(loc=0, scale=10, size=None)

生成标准正态分布随机数组：nprandomnormal(size=(4,4))

生成二维随机数组：

nprandommultivariate_normal([0,0],npeye(2))

生成范围在0到1之间的随机矩阵(M,N)：

nprandomrandint(0,2,(M,N))

Matrix:

创建matrix：

mat1 = npmat([[1, 2, 3], [4, 5, 6]])

mat1 = npmat(list)

mat1 = npmat(data)

matrix是二维的，所有+，-，都是矩阵 *** 作。

matrix索引和分列：

mat1[0:2，1]

matrix转置：

nptranspose(mat1)

mat1transpose()

matrix拼接：

npconcatenate([mat1,mat1])

npconcatenate([mat1,mat1],axis = 1)

numpy数据结构总结：对于numpy中的数据结构的 *** 作方法基本相同：

创建：npmat(list),nparray(list)

矩阵乘：npdot(x,y)

转置：xT or nptranspose(x)

拼接：npconcatenate([x,y],axis = 1)

索引：mat[0:1,4],ary[0:1,4]

3pandas数据结构:

Series:

创建series：

s = pdSeries([[1,2,3],[4,5,6]],index = [‘a’,‘b’])

索引series：

s1 = s[‘b’]

拼接series：

pdconcat([s1,s1],axis = 1) #也可使用sappend(s)

DataFrame:

创建DaraFrame:

df = pdDataFrame([[1,2,3],[1,2,3]],index = ['a','b'],columns = ['x','y','z'])

df取某一列：

dfc1 =dfx

dfc1 = df[‘x’]

dfc2 = dfiloc[:,0] #用iloc方括号里是数字而不是column名！

dfc2 = dfiloc[:,0:3]

df取某一行：

dfr1 = dfiloc[0]

df1 = dfiloc[0:2]

df1 = df[0:2] #这种方法只能用于取一个区间

df取某个值：

dfc2 = dfiloc[0,0]

dfc2 = dfiloc[0:2,0:3]

python做数据分析时下面就是提取一个月数据的教程1 datetime库

11 ​​datetimedate​​

1） ​​datetimedatetoday()​​ 返回今日，输出的类型为date类

import datetime

today = datetimedatetoday()

print(today)

print(type(today))

–> 输出的结果为：

2020-03-04

<class 'datetimedate'>

将输出的结果转化为常见数据类型（字符串）

print(str(today))

print(type(str(today)))

date = str(today)split('-')

year,month,day = date[0],date[1],date[2]

print('今日的年份是{}年,月份是{}月,日子是{}号'format(year,month,day))

–> 输出的结果为：(转化为字符串之后就可以直接进行 *** 作)

2020-03-04

<class 'str'>

今日的年份是2020年,月份是03月,日子是04号

2） ​​datetimedate(年,月,日)​​，获取当前的日期

date = datetimedate(2020,2,29)

print(date)

print(type(date))

–> 输出的结果为：

2020-02-29

<class 'datetimedate'>

12 ​​datetimedatetime​​

1） ​​datetimedatetimenow()​​输出当前时间，datetime类

now = datetimedatetimenow()

print(now)

print(type(now))

–> 输出的结果为：(注意秒后面有个不确定尾数)

2020-03-04 09:02:28280783

<class 'datetimedatetime'>

可通过​​str()​​转化为字符串（和上面类似）

print(str(now))

print(type(str(now)))

–> 输出的结果为：（这里也可以跟上面的处理类似分别获得相应的数据，但是也可以使用下面更直接的方法来获取）

2020-03-04 09:04:32271075

<class 'str'>

2） 通过自带的方法获取年月日，时分秒（这里返回的是​​int​​整型数据，注意区别）

now = datetimedatetimenow()

print(nowyear,type(nowyear))

print(nowmonth,type(nowmonth))

print(nowday,type(nowday))

print(nowhour,type(nowhour))

print(nowminute,type(nowminute))

print(nowsecond,type(nowsecond))

print(nowdate(),type(nowdate()))

print(nowdate()year,type(nowdate()year))

–> 输出的结果为：（首先注意输出中倒数第二个还是上面的​​datetimedate​​​对象，这里是用来做时间对比的，同时除了这里的​​datetimedatetime​​​有这种方法，​​datetimedate​​​对象也有。因为此方法获取​​second​​是取的整型数据，自然最后的不确定尾数就被取整处理掉了）

2020 <class 'int'>

3 <class 'int'>

4 <class 'int'>

9 <class 'int'>

12 <class 'int'>

55 <class 'int'>

2020-03-04 <class 'datetimedate'>

2020 <class 'int'>

a

=

nparange(8)

npsavetxt('atxt',a)

这样就会在工作目录下生成存有a数据的文件atxt

然后读取就行了，如

b=loadtxt('atxt')

这里都是在同一目录下进行的，如果是在别的文件夹，修改引号内的路径就行了

以上就是关于python自带及pandas、numpy数据结构(一)全部的内容，包括:python自带及pandas、numpy数据结构(一)、python数据分析时间序列如何提取一个月的数据、python numpy 使用 loadtxt读取txt文件的内容，txt文件跟要执行的py文件在等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！