Please enable JavaScript.

Coggle requires JavaScript to display documents.

Numpy、pandas、matplotlib (Numpy (處理陣列與矩陣的運算 (陣列類型ndarray (將List傳遞給array函數，就…

- - - - 將List傳遞給array函數，就能建立ndarray物件
        
        np.array([1, 2, 3])
        
        a.shape 確認大小
        
        np.array([[1, 2, 3], [4, 5, 6]])
        
        c1.reshape(2, 3) 翻轉，將一維轉乘 N x N
        
        c2.ravel() 恢復成一維陣列
        
        c2.flatten() flatten 功能同ravel，差別在ravel傳回參照、flatten傳回的是複製
        
        a.dtype 確認numpy的資料類型
        
        d.astype(np.float16) 將整數轉成浮點數
        
        索引與切片 (一維和list一樣就不寫)
        
        ndarray和list在代入資料都是淺複製(傳參照)，
        而切片方面List是以複製的方式傳遞切片結果，
        Numpy是以參照的方式傳遞切片結果
        
        np.arange(10) 建立Numpy陣列
        
        內建的random函數
        np.random.random((3, 2))
        np.random.rand(3, 2)
        np.random.randint(1, 10)
        np.random.uniform(0.0, 5.0, size=(2, 3))
        randn
        
        np.zeros((2, 3)) 建立指定數量的0.0陣列
        np.ones((3, 4)) 建立指定數量的1.0陣列
        
        np.eye(3) 建立單位矩陣
        
        np.full(3, 3.14) full以指定值填滿陣列
        
        nan表示not a number，屬於float資料型別
        
        np.linspace(0, 1, 5) 在指定範圍內建立間距相等的資料
        
        np.diff(l) 回傳元素之間的差距
        
        np.concatenate([a, a1]) concatenate連結
        
        hstack效果同concatenate的行連結
        vstack效果同concatenate的列連結
        
        first, second = np.hsplit(b3, [2])
        分割 hsplit沿著行分割、vsplit沿著列分割
        
        轉置 T
        增加維度newaxis
        增減維度也可用reshape
        建立網格資料meshgrid
        Universal Functions工具，包含許多功能，一口氣轉換陣列資料
        Broadcast工具，包含許多功能，直接運算陣列內部資料
        點積dot，python3.5可用運算子
        判定、邏輯值
        allclose判斷誤差範圍
- - - - 一維資料
        
        .Series() 建立一維資料
    - - 二維資料
        
        .DataFrame() 建立二維資料
        
        .head() 輸出開頭5筆資料
        
        .tail() 輸出後5列資料
        
        .shape 查大小
        
        .loc[] 篩選資料，指定索引與欄位名稱。或可用於插入欄位
        
        .iloc[] 篩選資料，指定索引與欄位編號
        
        .read_csv()
        
        .read_excel()
        
        .read_html()
        
        .read_pickle()
        
        .query 指定篩選條件
        
        .dtypes 確認資料型態
        
        .to_datetime 函式，轉成datetime資料型態
        
        .apply() 轉換資料型態
        
        .astype() 資料轉換類型
        
        .set_index() 資料中某一欄設為index
        
        .sort_values() 依指定欄位排序
        
        .drop() 刪除欄位
        
        .get_dummies() 依照某一欄位分割出新dataframe
        
        .date_range 建立時序資料
        
        .groupby() 加總資料
        
        resample() 好像和groupby功能類似
        
        pd.Grouper() 這個class好像可以聰明的區分星期幾
        
        dropna() 刪除缺損值的列
        
        .fillna() 將0代入缺損值
        
        .concat() 資料合併
        
        .max()最大值
        .min() 最小值
        .mode() 眾數
        .mean() 平均值
        .median() 中位數
        .std() 樣本標準差
        .std(ddof=0) 母體標準差
        .count() 確認資料筆數
        .describe()
        .corr()
        
        .values 把pandas的DataFrame轉成Numpy的ndarray
        
        自取索引、欄位名稱
        
        以字典格式建立DataFrame
- - - - 建立資料
        x = [1,2,3]
        y = [2,4,9]
        建立繪圖物件figure(fig)並配置一個subplot(ax)
        fig, ax = plt.subplots()
        繪製折線圖
        ax.plot(x,y)
        plt.show()
        
        ax.set_title('xxx') 設定圖表標題
        
        matplotlib.style.use() 指定圖表樣式
        
        fig.suptitle('xxx') 替繪圖物件設定圖表標題
        
        在圖表的座標軸指定標籤
        ax.set_xlabel('xxx')
        ax.set_ylabel('xxx')
        
        設定圖例標籤
        ax.plot([1,2,3],[2,4,9],label='xxx')
        ax.legend(loc='best') 顯示圖例(指定為best樣式)
        
        savefig方法轉存為檔案
        fig.savefig('aa.png')
        
        折線圖，用基本.plot即可繪製
        fig, ax = plt.subplots()
        x = [1,2,3]
        y1 = [1,2,3]
        y2 = [3,1,2]
        ax.plot(x, y1) #以plot方法繪製
        ax.plot(x, y2)
        
        曲線圖，讓折線圖的值間隔變小即可
        
        長條圖，以bar方法繪製
        x = [1,2,3]
        y = [10,2,3]
        ax.bar(x,y)
        
        顯示指定標籤
        labels = ['aa','bb','cc']
        ax.bar(x, y, tick_label=labels)
        
        橫條圖，以barh方法繪製
        x = [1,2,3]
        y = [10,2,3]
        labels = ['spam','ham','egg']
        ax.barh(x, y, tick_label=labels)
        
        顯示多個直條圖
        
        繪製堆疊直條圖
        
        散布圖，以scatter方法繪製
        x = np.random.rand(50)
        y = np.random.rand(50)
        ax.scatter(x,y)
        
        marker參數指定預設資料標記圖示
        
        直方圖，利用hist方法繪製，x另外計算，去看程式
        n, bins, patches = ax.hist(x)
        hist的3個傳回值代表意思詳見第3章
        
        hist方法的bins參數能變更
        值方的數量，預設為10
        ax.hist(x,bins=25)
        
        hist方法的orientation='horizontal'參數能繪製水平直方圖
        ax.hist(x,orientation='horizontal')
        
        直方圖不同於長條圖的是，
        若指定多個值會自動水平排列
        
        hist方法的參數若指定為stacked=True，則可繪製堆疊直方圖
        
        盒鬚圖，使用boxplot方法
        labels = ['x0','x1','x2']
        ax.boxplot((x0,x1,x2),labels=labels)
        
        水平盒鬚圖
        labels = ['x0','x1','x2']
        ax.boxplot((x0,x1,x2),labels=labels,vert=False)
        
        圓形圖，利用pie方法繪製
        fig,ax=plt.subplots()
        ax.pie(x,labels=labels)
        
        維持長寬比例的圓形圖
        ax.axis('equal')
        
        圓形圖預設3點鐘位置逆時針繪製，startangle和counterclock可修改設定
        fig,ax=plt.subplots()
        ax.pie(x,labels=labels,startangle=90,counterclock=False)
        ax.axis('equal')
        plt.show()
        
        shadow=True增加陰影
        autopct顯示%
        explode = [0,0.2,0] #第一個元素分割出來
        
        在單一subplot繪製不同圖表
        ax.bar(x1,y1,label='QQ')
        ax.plot(x2,y2,label='AA')
        
        ax.plot()其他參數設定
        
        color='#0000ff' 設定線條顏色
        linewidth=5.5 設定線條寬
        linestyle='--' 設定虛線
        
        ax.bar()其他參數設定
        
        edgecolor='black' 設定長條圖顏色
        
        ax.text(0.2,0.4,'text',size=20) 繪製文字
        
        利用pandas的DataFrame、Series繪製圖表。這種繪製方式的內部也使用Matplotlib
        
        import pandas as pd
        matplotlib.style.use('ggplot')
        建立DataFrame
        df=pd.DataFrame({'A':[1,2,3],'B':[3,1,2]})
        df.plot()
        plt.show()
        
        對比一般建置方式
        
        建立資料
        x = [1,2,3]
        y = [2,4,9]
        建立繪圖物件figure(fig)並配置一個subplot(ax)
        fig, ax = plt.subplots()
        ax.plot(x,y) # 繪製折線圖
        ax.set_title('00P-style') # 設定圖表標題
        plt.show()
        
        長條圖利用plot.bar繪製，偌多筆資料會自動排成一列
        隨機產生3列2行的資料，藉此建立dataframe
        np.random.seed(123)
        df2=pd.DataFrame(np.random.rand(3,2),columns=['y1','y2'])
        繪製長條圖
        df2.plot.bar()
        plt.show()
        
        改成繪製堆疊長條圖
        df2.plot.bar(stacked=True)
        plt.show()