《Python程序设计》教学课件—11数据处理.pptxVIP

本章介绍Python中常用的第三方数据处理库NumPy和Pandas。 第11章 数据处理 目录 第11章 数据处理 11.1 NumPy计算库的使用 11.1.1 安装和导入NumPy库 11.1.2 创建ndarray数组 11.1.3 ndarray数组的数据类型 11.1.4 ndarray数组的索引与切片 11.1.5 ndarray数组的运算 11.1.6 ndarray数组的常用数学函数 11.2 Pandas数据分析模块的使用 11.2.1 安装和导入Pandas 11.2.2 Pandas的Series对象 11.2.3 Pandas的DataFrame对象 11.2.4 Pandas的文件操作 11.2.5 计算统计 11.3 习题 11.1 NumPy计算库的使用 11.1.1 安装和导入NumPy库 NumPy是Python语言的扩展库，因此需要额外安装NumPy库。 1. 安装NumPy模块 输入下面的安装命令： pip install numpy 2. 导入NumPy模块 使用下面的语句导入NumPy库： import numpy as np #业界提倡的模块导入语法 11.1 NumPy计算库的使用 11.1.2 创建ndarray数组 1. 数组对象的创建 array()方法的语法格式如下： np.array(object, dtype=数据类型, order =C|F|A) 【例11-1】利用array()方法创建一维数组和二维数组。 import numpy as np a=[1,2,3,4] # 创建列表对象 na=np.array(a) # 创建一维数组 b=[[11,22,33],[55,66,77]] # 创建二维嵌套列表 nb=np.array(b) # 创建二维数组 print(na:,na) print(nb:,nb) 在IDLE中的运行结果如图11-1所示。 【例11-2】利用array()方法创建一维数组，数组元素是复数类型。 import numpy as np array = np.array([1,2,3],dtype=complex) # dtype为复数 print(array) 在IDLE中的运行结果如下： [1.+0.j 2.+0.j 3.+0.j] 11.1 NumPy计算库的使用 2. 显示数组维度的shape属性 使用shape属性查看数组维度（也称形状）的大小，其语法格式如下： arr.shape 例如，元组(3,)表示一个一维数组，只含有3个元素。 例如，元组(3,4)表示一个二维数组，其中第一个维度中有3个元素，第二个维度中有4个元素。 【例11-3】用shape属性显示一维数组。 import numpy as np a = np.array([1,2,3]) print(a.shape) # 输出(3,) 【例11-4】用shape属性显示二维数组。 import numpy as np b = np.array([[1,2,3],[3,4,5]]) print(b.shape) # 输出(2,3) 11.1 NumPy计算库的使用 11.1 NumPy计算库的使用 3. 数组元素的总个数属性size 数组元素的总个数属性的语法格式如下： arr.size 【例11-5】使用size属性显示数组元素的总个数。 import numpy as np a=np.eye(3, 3, 0) #3x3对角为1的float矩阵，dtype默认为float print(a:,a) print(a.size:,a.size) #显示a.size: 9 print(a.shape:,a.shape) #显示a.shape: (3, 3) 11.1 NumPy计算库的使用 11.1.3 ndarray数组的数据类型 1. ndarray的数据类型 ndarray的数据类型，见表11-1。 11.1 NumPy计算库的使用 2. 数据类型的查看 可以使用dtype属性查看数组的类型。其语法格式为： arr.dtype 3. 转换数据类型 可以使用astype()方法将一个数组的数据类型转换为另一个数据类型。其语法格式如下： arr.astype(np.类型) 或 arr.astype(类型) 【例11-6】创建数组对象，查看数组对象的类型，然后从int32数据类型转换为float64数据类型。 import numpy as np a = np.array([1,2,3]) print(a.dtype