numpy pandas matplotlib 常用API整理

整理python for ML常用的几个库，只是以表格形式给出，方便查阅，具体使用细节请参考官方API文档

API作用输入参数返回值np.array()序列转换成一二三维数组list或者list套listndarraynp.zeros()创建一个由0组成的数组数组的shape元组(m,n)mn的全0数组np.ones()创建一个由1组成的数组数组的shape元组(m,n)，dtypemn的全1数组np.empty()创建mn数组shape（mn）内容随机的数组np.arange()创建等差数组np.arange(start, end, step)d为step的等差数组,step可缺省np.linspace()创建等差数组start, end, num数目为num的等差数组np.eye()创建对角线全1的矩阵一个数，表示矩阵阶数单位矩阵np.random.random生成0到1之间的随机数np.random.randn生成标准正态的随机数np.random.uniform生成均勻分布的随机数np.random.normal生成正态分布

API作用输入参数返回值array.reshape(m,n)重组数组目的形状mn新重组数组array.resize(m,n)重组数组目的形状mn改变的是原数组array.sum()数组求和无数组所有元素总和array.sum(axis)对行或者列求和axis=0对应列求和，1为行求和返回一维和数组array.min()情况类似sumarray.max()情况类似sumarray.average()如果给出weight数组，则按照权重相乘求和array.flat数组迭代器，通过这个方法遍历array.all()array中全为true可指定axisarray.any()array中一个为true可指定axis

运算(A，B均为矩阵）

API作用输入参数返回值np.sin()np.exp()np.cos()np.sqrt()数组开根号np.ceil()数组元素向下取整np.floor()数组元素向上取整np.mean()求均值，可通过axis选择维度np.median()求中位数，可通过axis选择维度

切片格式作用b[2,3]定位2，3坐标的元素b[0:5, 1]0-4行，第一列元素切片b[:, 1]所有行，第一列元素切片 还可以通过数组索引

pd.Series()

参数作用选项filepath_or_buffer文件路径文件路径delimiter定界符，备选分隔符，sep 的别名如果指定该参数，则sep参数失效sep每行数据内容分隔符号，默认是 , 逗号默认逗号，另外常见的还有 tab 符 \t，空格等，根据数据实际的情况传值header支持 int, list of int，默认会把第一行作为表头0，[0,1,3],Noneindex_col用作行索引的列编号或者列名，如果给定一个序列则有多个行索引False, 0, ‘年份'(指定列名) ,[‘a’,’b’],[0, 3] (按列索引指定多个索引)names指定列名列表如果文件不包含列名，那么应该设置 header=None，列名列表中不允许有重复值,如[‘列1’, ‘列2′]encoding指定字符集类型’utf8’, “gb2312″chunksize文件块的大小，分块处理大型csv文件文件块的大小

index / selection

OperationSyntaxResult选择列df[col]Series通过label选择行df.loc[label]Series通过数字选择行df.iloc[loc]Series切片df[5:10]DataFrame通过bool值选择行df[bool_vec]DataFrame

np.asarray(df)

df.info()

函数名参数功能pd.apply()

Original: https://blog.csdn.net/good_jiojio/article/details/123620340Author: jiangcx_cpyTitle: numpy pandas matplotlib 常用API整理

在日常使用pandas的过程中，由于我们所分析的数据表规模、格式上的差异，使得同样的函数或方法作用在不同数据上的效果存在差异。

而pandas有着自己的一套 「参数设置系统」，可以帮助我们在遇到不同的数据时灵活调节从而达到最好的效果，本文就将介绍pandas中常用的参数设置方面的知识。

图1

pandas设置参数中的display.max_rows用于控制打印出的数据框的最大显示行数，我们使用pd.set_option()来有针对的设置参数，如下面的例子：

图2

在修改display.max_rows的参数值之后，我们的数据框只会显示指定行数的数据，中间的部分都会以省略号的形式显示，当我们的数据框行数较多，可以加大这个参数以显示更多行数据。

类似display.max_rows，通过修改display.max_columns我们可以调节最大显示的数据框列数(默认是20列)，这在我们的数据框字段较多又想全部查看的时候很有用：

图3

对于一些单元格内容长度较长的数据譬如长文本，在查看数据框时过长的部分会被简化为省略号，而通过修改display.max_colwidth参数我们可以在必要时，使得超长的部分也显示出来：

图4

通过display.chop_threshold参数我们在不修改原始数据的情况下，指定数据框中绝对值小于阈值的数显示为0：

图5

通过display.float_format参数我们可以设置浮点数的显示格式，譬如这里我们给浮点数加上￥前缀并设定保留两位小数：

图6

针对数据框的info()方法可以帮助我们查看数据框的一些概览信息，譬如每一列对应的非缺失值个数。

但默认情况下当数据框行数大于1690784行时，再查看info()信息，会处于计算效率的考虑略去缺失值检查信息。

这时我们可以通过设置display.max_info_rows参数来提高这个上限：

图7

控制数据框中小数的显示精度除了上文提到的方法之外，还可以通过修改display.precision参数来控制，默认是6位小数：

图8

有时，我们只想更改一个表上的设置参数，而不想影响以后其他表的显示。

Sometimes we only want to change the setting parameters on a table and do not want to affect the display of other tables later.

这时除了用pd.reset_option()对指定的参数进行复原之外，我们还可以利用with关键词配合pd.option_context以临时的方式将指定的参数作用在局部范围内：

图9

Original: https://blog.csdn.net/weixin_31176383/article/details/113534520Author: vabaTitle: 设置pandas显示行数_Pandas这样来设置，做数据分析舒适百倍

原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/320925/

转载文章受原作者版权保护。转载请注明原作者出处！