當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

如何将多个一维列表转化为二维列表_数据分析2_如何处理一维、二维数据

發(fā)布時間：2025/3/11 编程问答 11 豆豆

生活随笔收集整理的這篇文章主要介紹了如何将多个一维列表转化为二维列表_数据分析2_如何处理一维、二维数据小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.

吞一塊大餅，還不如切成小塊吃得香

常見的數(shù)據(jù)集，要么是數(shù)列，要么是表格；

因此，數(shù)據(jù)分析最首要的是，處理一維、二維數(shù)據(jù)。

主要知識點可參考如圖。

如需要，可點擊以下百度網(wǎng)盤鏈接下載數(shù)據(jù)分析基礎知識圖PDF：

mindmap2_數(shù)據(jù)分析基礎.pdf308.7K · 百度網(wǎng)盤

數(shù)據(jù)分析常用第三方包

Numpy
Pandas
Matplotlib

#導入numpy包 import numpy as np #導入pandas包 import pandas as pd

1. 一維數(shù)據(jù)

Numpy（Numerical Python）: Array
Pandas: Series

1.1 Numpy-Array

#定義：一維數(shù)組array #參數(shù):一個列表[2,3,4,5] a = np.array([2,3,4,5])#查詢 a[0] 2#切片訪問：獲取指定序號范圍的元素 #a[1:3]獲取到的是序號從1到3的元素 a[1:3] array([3, 4])#切片訪問：反序 a[::-1] array([5, 4, 3, 2])#循環(huán)訪問 for i in range(len(a)):print(a[i]) 2 3 4 5#循環(huán)訪問 for i in a: # 獲取a數(shù)組里面的數(shù)據(jù)，從i=2開始print(a[i-2]) 2 3 4 5#循環(huán)訪問 for i in a:print(i) 2 3 4 5#查看數(shù)據(jù)類型 a.dtype dtype('int32')#統(tǒng)計計算:平均值 a.mean() 3.5#統(tǒng)計計算:標準差 a.std() 1.118033988749895#向量化計算：向量相加 b=np.array([1,2,3]) c=np.array([4,5,6]) b+c array([5, 7, 9])#向量化計算：乘以標量 d=b*4 d array([ 4, 8, 12])

區(qū)別：Numpy數(shù)組&Python列表

1.處理多維數(shù)組
- ndArray
- list嵌套
2.存儲、運算效率
- Array > list
3.元素數(shù)據(jù)類型
- Array：必須相同
- List：可不同

1.2 Pandas-Series

#定義：一維數(shù)據(jù)結構:Series，index為索引 #存放6家公司某一天的股價（單位是美元） stockS=pd.Series([54.74,190.9,173.14,1050.3,181.86,1139.49],index=['騰訊','阿里巴巴','蘋果','谷歌','Facebook','亞馬遜']) stockS

#獲取描述統(tǒng)計信息 stockS.describe()

統(tǒng)計信息含義如下

數(shù)據(jù)條數(shù)count
平均值mean
標準差std
最小值min下四位數(shù)25%
中位數(shù)50%
上四位數(shù)75%
最大值max

#訪問：iloc屬性用于根據(jù)下標獲取值 stockS.iloc[0] 54.74#訪問：loc屬性用于根據(jù)索引獲取值 stockS.loc['騰訊'] 54.74#向量化運算：向量相加 s1=pd.Series([1,2,3,4],index=['a','b','c','d']) s2=pd.Series([10,20,30,40],index=['a','b','e','f']) s3=s1+s2 s3

#處理空值的方法 #方法1：刪除 s3.dropna()

#方法2：填充 s3=s1.add(s2,fill_value=0) s3

2.二維數(shù)據(jù)

Numpy: Array
Pandas: DataFrame
DataFrame處理表格數(shù)據(jù)比較方便

2.1 Numpy-Array

#定義二維數(shù)組 a=np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12] ])#訪問：獲取元素 #行號0，列號2 a[0,2] 3#訪問：整行 #獲取第1行 a[0,:] array([1, 2, 3, 4])#訪問：整列 #獲取第1列 a[:, 0] array([1, 5, 9])#數(shù)軸參數(shù) axis #axis=0，down，縱向處理 #axis=1，across，橫向處理#所有平均值 print(a.mean())#每行平均值，即每一行取所有列的平均值 print(a.mean(axis=1))#刪除某一列，即列（集）沿著水平的方向依次刪掉 #a.drop(colNames,axis=1)6.5 [ 2.5 6.5 10.5]

2.2 Pandas-DataFrame

#定義 #第1步：定義一個字典，映射列名與對應列的值 #現(xiàn)Python3的字典對象為有序 salesDict={'購藥時間':['2018-01-01 星期五','2018-01-02 星期六','2018-01-06 星期三'],'社保卡號':['001616528','001616528','0012602828'],'商品編碼':[236701,236701,236701],'商品名稱':['強力VC銀翹片','清熱解毒口服液','感康'],'銷售數(shù)量':[6,1,2],'應收金額':[82.8,28,16.8],'實收金額':[69,24.64,15] }#第2步：定義數(shù)據(jù)框DataFrame salesDf=pd.DataFrame(salesDict) salesDf

#平均值：是按每列來求平均值 salesDf.mean()

#訪問：iloc屬性用于根據(jù)下標獲取值 #查詢第1行第2列的元素 salesDf.iloc[0,1] '001616528'#獲取第1行，:代表所有列 salesDf.iloc[0,:]

#獲取第1列，:代表所有行 salesDf.iloc[:,0]

#訪問：loc屬性用于根據(jù)索引名獲取值 #查詢第1行商品編碼列的元素 salesDf.loc[0,'商品編碼'] 236701#獲取“商品名稱”這一列 #salesDf.loc[:,'商品名稱'] salesDf['商品名稱'] #簡單方法