Numpy、Matplotlib、Pandas速成

1. Numpy

   # -*- coding: utf-8 -*-
   import numpy as np
   
   if __name__ == '__main__':
   
       """
           Numpy速成
       """
       # 创建数组
       myarray = np.array([1, 2, 3])
       # 输出数组
       print(myarray)
       # 输出数组行列
       print(myarray.shape)
       # 创建多维数组
       myarray = np.array([[1, 2, 3], [2, 3, 4], [3, 4, 5]])
       print(myarray)
       print(myarray.shape)
       # 访问数据
       print('这是第一行：%s' % myarray[0])
       print('这是最后一行：%s' % myarray[-1])
       print('访问第三列数据：%s' % myarray[:, 2])
       print('访问第二行第三列数据：%s' % myarray[1, 2])
   
       '''
           Numpy算术运算
       '''
       # 创建多维数组
       myarray1 = np.array([[1, 2, 3], [2, 3, 4], [3, 4, 5]])
       myarray2 = np.array([[11, 21, 31], [21, 31, 41], [31, 41, 51]])
       print('向量加法运算：')
       print(myarray1+myarray2)
       print('向量乘法运算')
       print(myarray1*myarray2)
   

   输出结果：

   [1 2 3]
   (3,)
   [[1 2 3]
    [2 3 4]
    [3 4 5]]
   (3, 3)
   这是第一行：[1 2 3]
   这是最后一行：[3 4 5]
   访问第三列数据：[3 4 5]
   访问第二行第三列数据：4
   向量加法运算：
   [[12 23 34]
    [23 34 45]
    [34 45 56]]
   向量乘法运算
   [[ 11  42  93]
    [ 42  93 164]
    [ 93 164 255]]
   

2. Matplotlib

   # -*- coding: utf-8 -*-
   """
       Matplotlib速成
           1.调用plot（），scatter（）等方法，并为绘图填充数据。数据是NumPy的ndarray类型的对象
           2.设定数据标签，使用xlabel（）、ylabel（）方法
           3.展示绘图结果，使用show（）方法
   
           Matplotlib示例：http://matplotlib.org/gallery.html
   """
   
   import matplotlib.pyplot as plt
   import numpy as np
   
   if __name__ == '__main__':
   
       '''
           绘制线条图
       '''
       # 定义绘图的数据
       myarray = np.array([[1, 2, 3], [2, 3, 4], [3, 4, 5]])
       # 初始化绘图
       plt.plot(myarray)
       # 设定x轴和y轴
       plt.xlabel('x axis')
       plt.ylabel('y axis')
       # 绘图
       plt.show()
   
       '''
           绘制散点图
       '''
       # 定义绘图的数据
       myarray1 = np.array([1, 2, 3])
       myarray2 = np.array([11, 21, 31])
       # 初始化绘图
       plt.scatter(myarray1, myarray2)
       # 设定x轴和y轴
       plt.xlabel('x axis')
       plt.ylabel('y axis')
       # 绘图
       plt.show()
   
   
   

   输出结果

   
   

3. Pandas

# -*- coding: utf-8 -*-
"""
# @author  : xpf
# @time    : 2021/4/21 11:08 上午
# @file    : pandas_practice.py
# @software: PyCharm
# @desc    : Pandas速成
"""

"""
    http://pandas.pydata.org/pandas-docs/stable/
    Pandas提供了用于机器学习的复杂数据类型：矢量运算方法和数据分析方法。Pandas也提供了多种数据结构
        Series：一维数组，只允许存储相同的数据类型
        Time-Series：以时间为索引的Series
        DataFrame：二维的表格型数据结构，可以将DataFrame理解为Series的容器
        Panel：三维数组，可以理解为DataFrame的容器
"""
import numpy as np
import pandas as pd

if __name__ == '__main__':

    '''
        Series
    '''
    myarray = np.array([1, 2, 3])
    index = ['a', 'b', 'c']
    myseries = pd.Series(myarray, index=index)
    print(myseries)
    print('Series中的第一个元素：')
    print(myseries[0])
    print('Series中的c index元素：')
    print(myseries['c'])

    '''
        DataFrame
    '''
    myarray = np.array([[1, 2, 3], [2, 3, 4], [3, 4, 5]])
    rowindex = ['row1', 'row2', 'row3']
    colindex = ['col1', 'col2', 'col3']
    mydataframe = pd.DataFrame(data=myarray, index=rowindex, columns=colindex)
    print(mydataframe)
    print('访问col3的数据：')
    print(mydataframe['col3'])

输出结果：

a    1
b    2
c    3
dtype: int64
Series中的第一个元素：
1
Series中的c index元素：
3
      col1  col2  col3
row1     1     2     3
row2     2     3     4
row3     3     4     5
访问col3的数据：
row1    3
row2    4
row3    5
Name: col3, dtype: int64

参考书籍：《机器学习Python实践》