NumPy与Pandas：数据处理与分析的强大工具

### NumPy与Pandas：数据处理与分析的强大工具 #### 1. NumPy数组操作 在使用NumPy时，数组元素的修改和组合是常见操作。虽然不能直接向数组添加新元素，但可以修改现有元素的值，例如： ```python a[0]=2 ``` ##### 1.1 数组组合方法 数组组合有三种方法：追加、拼接和堆叠。 - **追加（Appending）**：使用`np.append`函数将一个数组添加到另一个数组的末尾。 ```python import numpy as np x=np.array([[1,2],[3,4]]) y=np.array([[6,7,8],[9,10,11]]) print(np.append(x,y)) ``` 输出结果： ```plaintext array([ 1, 2, 3, 4, 6, 7, 8, 9, 10, 11]) ``` - **拼接（Concatenation）**：使用`np.concatenate`函数沿指定轴（垂直或水平）拼接数组。默认沿“0”轴垂直拼接，若要水平拼接，需设置`axis=1`。 ```python x=np.array([[1,2],[3,4]]) y=np.array([[6,7],[9,10]]) print(np.concatenate((x,y))) print(np.concatenate((x,y),axis=1)) ``` 输出结果： ```plaintext array([[ 1, 2], [ 3, 4], [ 6, 7], [ 9, 10]]) array([[ 1, 2, 6, 7], [ 3, 4, 9, 10]]) ``` - **堆叠（Stacking）**：分为垂直堆叠和水平堆叠。 - **垂直堆叠（Vertical stacking）**：使用`np.vstack`函数将数组一个接一个地堆叠。要求垂直堆叠的数组每个子数组的元素数量相同。 ```python x=np.array([[1,2],[3,4]]) y=np.array([[6,7],[8,9],[10,11]]) print(np.vstack((x,y))) ``` 输出结果： ```plaintext array([[ 1, 2], [ 3, 4], [ 6, 7], [ 8, 9], [10, 11]]) ``` - **水平堆叠（Horizontal stacking）**：使用`np.hstack`函数将数组并排堆叠。要求水平堆叠的数组子数组数量相同。 ```python x=np.array([[1,2],[3,4]]) y=np.array([[6,7,8],[9,10,11]]) print(np.hstack((x,y))) ``` 输出结果： ```plaintext array([[ 1, 2, 6, 7, 8], [ 3, 4, 9, 10, 11]]) ``` ##### 1.2 条件测试 NumPy使用逻辑运算符（`&`、`|`、`~`）和函数（如`np.any`、`np.all`、`np.where`）来检查数组元素是否满足特定条件。 ```python x=np.linspace(1,50,10) print(x) # 检查所有元素是否都大于20 print(np.all(x>20)) # 检查是否有元素大于20 print(np.any(x>20)) # 返回小于10的元素的索引 print(np.where(x<10)) # 筛选出小于10的元素 print(x[np.where(x<10)]) # 检查同时满足大于10且小于50的元素 print(x[(x>10) & (x<50)]) # 检查满足大于10或小于5的元素 print(x[(x>10) | (x<5)]) # 筛选出大于8的元素 print(x[~(x<8)]) ``` 输出结果： ```plaintext array([ 1. , 6.44444444, 11.88888889, 17.33333333, 22.77777778, 28.22222222, 33.66666667, 39.11111111, 44.55555556, 50. ]) False True (array([0, 1], dtype=int64),) array([1. , 6.44444444]) array([11.88888889, 17.33333333, 22.77777778, 28.22222222, 33.66666667, 39.11111111, 44.55555556]) array([ 1. , 11.88888889, 17.33333333, 22.77777778, 28.22222222, 33.66666667, 39.11111111, 44.55555556, 50. ]) array([11.88888889, 17.33333333, 22.77777778, 28.22222222, 33.66666667, 39.11111111, 44.55555556, 50. ]) ``` ##### 1.3 广播、向量化和算术运算 - **广播（Broadcasting）**：当两个数组满足一定条件时，可以进行算术运算。 - 两个数组维度相同。 ```python x=np.arange(0,12).reshape(2,6) y=np.arange(5,17).reshape(2,6) print(x*y) ``` - 其中一个数组是单元素数组。 ```python x=np.arange(0,12).reshape(2,6) y=np.array([1]) print(x-y) ``` - 数组与标量组合。 ```python x=np.arange(0,12).reshape(2,6) y=2 print(x/y) ``` 可以使用算术运算符（`+`、`-`、`*`、`/`）或函数（`np.add`、`np.subtract`、`np.multiply`、`np.divide`）进行数组的加减乘除运算。 ```python print(np.add(x,y)) print(x+y) ``` - **向量化（Vectorization）**：可以方便地对数组中的每个元素应用算术运算符，而无需迭代元素。 ```python x=np.array([2, ```