pythonaxis

㈠ python數據分析模塊：numpy、pandas全解

一維數組情況：

二維數組情況：

3參數情況：

2參數情況：

1參數情況：

一維情況：

二維情況：

一維情況：

二維情況：

一維情況：

二維情況：第三個參數指定維度

只查看行數、或者列數

逗號隔開兩個索引

某些行

某些列

可以看出append()函數在二維數組中添加元素，結果轉為了一維數組。

那怎麼保持二維數組呢？可以設置axis參數按行或者按列添加

可以看出先把二維數組降成了一維數組，再在索引為1的位置添加元素。

那麼怎麼保持在二維添加元素呢？ 同樣設置axis參數

也分按行和按列刪除

標記缺失值： isnan()函數

補充缺失值：

同樣axis參數可以指定拼接按行還是按列

2. hstack()函數：以水平堆疊的方式拼接數組

3. vstack()函數：以垂直堆疊的方式拼接數組

第二個參數還可以是數組，指定拆分的位置

hsplit()函數：橫向拆成幾個數組

vsplit()函數：縱向拆成幾個數組

數組與數組之間的運算

數組與數值的運算

可以指定整個數組求和，還是按行或者按列

axis=0：每一列的元素求和

axis=1：每一行的元素求和

axis=0：每一列求均值

axis=1：每一行求均值

axis=0：每一列求最大值

axis=1：每一行求最大值

pandas有兩個重要的數據結構對象：Series和DataFrame。

Series是創建一個一維數組對象，會自動生成行標簽。

會自動生成行列標簽

也可以用字典形式生成數據

在用字典生成數據的基礎上，同時指定行標簽

例如對下表的數據進行讀取

4月是第四個表，我們應把sheet_name參數指定為3；因為索引是從0開始的。

可以看出read_excel()函數自動創建了一個DataFrame對象，同時自動把第一行數據當做列標簽。

可以看出不給出header參數時，該參數默認為0。

header=1時結果如下：

header=None時結果如下：

index_col=0時，第0列為列標簽

index_col=0時

usecols=[2]：指定第二列

指定多列

數據如下：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-j1SHxY8y-1637655972909)(C: ypora-user-imagesimage-20211114192949607.png)]

nrows=3時

head()函數中參數為空默認前5行

指定head(3)時如下

numpy模塊也是shape

查看特定列的書庫類型

特定列數據類型轉換

先查看一下所有數據

與單行相比，結果顯示的格式不一樣了

iloc()挑選：

或者給出區間

挑選數據要麼標簽，要麼索引挑選

或者

或者寫成區間

標簽挑選

或者索引挑選

先查看一下數據

或者用字典一對一修改

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-a6QKIoie-1637655972912)(C: ypora-user-imagesimage-20211123110431201.png)]

isin()函數查看錶中是否有該值

查看特定列是否有該值

可以看出上述代碼並沒有替換，那怎麼替換呢？

末尾插入一列

指定插入到哪列

axis參數可以指定刪除行還是刪除列

指定標簽刪除

指定索引刪除

方法三

指定行標簽刪除

指定索引刪除

方法三：

先查看所有數據

info()函數查看數據類型，還可以查看是否有缺失值

isnull()函數查看是否有缺失值

在numpy模塊中用isnan()函數

刪除有缺失值的行

刪除整行都為缺失值的行： 需要指定how參數

不同列的缺失值設置不同的填充值

默認保留第一個重復值所在的行，刪除其他重復值所在的行

保留第一個重復值所在的行

保留最後一個重復值所在的行

是重復的就刪除

降序如下

參數指定first時，表示在數據有重復值時，越先出現的數據排名越靠前

獲取產品為單肩包的行數據

獲取數量>60的行數據

獲取產品為單肩包 且 數量>60 的行數據

獲取產品為單肩包 或 數量>60 的行數據

stack()函數轉換成樹形結構

how參數指定外連接

on參數指定按哪一列合並

concat()函數採用 全連接 的方式，沒有的數設置為缺失值

重置行標簽

效果與concat()一樣

末尾添加行元素

指定列求和

指定列求均值

指定列求最值

獲取單列的

corr()函數獲取相關系數

獲取指定列與其他列的相關系數

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-46g9qgQw-1637655972913)(C: ypora-user-imagesimage-20211123135643804.png)]

groupby()函數返回的是一個DataFrameBy對象，該對象包含分組後的數據，但是不能直觀地顯示出來。

分組後獲取指定列的匯總情況

獲取多列的匯總情況

獲取多列的情況

ta = pd.read_excel(『相關性分析.xlsx』)

print(data)

corr()函數獲取相關系數

獲取指定列與其他列的相關系數

[外鏈圖片轉存中…(img-46g9qgQw-1637655972913)]

groupby()函數返回的是一個DataFrameBy對象，該對象包含分組後的數據，但是不能直觀地顯示出來。

分組後獲取指定列的匯總情況

獲取多列的匯總情況

獲取多列的情況

㈡ python axis=0是代表的行還是列

axis=0表示數組的第0軸，因為h本來就只包含1列，你直接做數組運算一下x.sum()就知道了。

㈢ Python對數據進行排序-中英文

sort_values(by,axis=0,ascending=True,inplace=False,kind='quicksort',na_position='last')

參數說明：

by:  可以填入字元串或者字元串組成的列表。也就是說， 如果axis=0，那麼by="列名"；如果axis=1，那麼by="行名"。

axis:  {0 or 『index』, 1 or 『columns』}, default 0，意思就是如果 axis=0，就按照索引排序，即縱向排序；如果axis=1，則按列排序，即橫向排序。默認是axis=0 。

ascending:  輸入布爾型， True是升序 ， False是降序 ，也可以可以是[True,False]，即第一個欄位升序，第二個欄位降序 。

inplace : 輸入布爾型，是否用排序後的數據框替換現有的數據框

kind:  排序的方法，{『quicksort』, 『mergesort』, 『heapsort』}，默認是使用『quicksort』。這個參數用的比較少，大家可以試一試。

na_position :  {『first』, 『last』}， 缺失值的排序 ，也就說決定將缺失值放在數據的最前面還是最後面 。first是排在前面，last是排在後面，默認是用last 。

例子：

scores= pd.DataFrame([[87,56,85],[46,87,97],[34,65,86]],columns=['jack', 'rose', 'mike'])

scores

1.對『rose』這一列進行降序排序：

df_sc=scores.sort_values(by='rose',ascending=False)

df_sc

2.對第0行進行升序排序：

scores.sort_values(by=0,axis=1,ascending=True)

3.第1行進行升序，第0行進行降序：

scores.sort_values(by=[1,0],axis=1,ascending=[True,False]

4.觀察數據

data.head：

查看數據的前五行。

data.tail：

查看數據的後五行。

data.shape ：

查看矩陣或數組的維數，或者是說數據表的結構（有幾行幾列）。

data.info ：

查看數據的基本信息，如：數據類型、缺失值數量等。

#brand目標：中文-中英-英文

2.1 包含中文，純英文

for i in range(0,len(file1)):

    result = re.compile(u'[\u4e00-\u9fa5]')

    contents = file1['brand'][i]

    match = result.search(contents)

    if match:

        file1.loc[i,['index1']]=0    #0為包含中文

    else:

        file1.loc[i,['index1']]=1    #1為純英文

2.1 包含英文，純中文

for i in range(0,len(file1)):

    file1.loc[i,['index2']]=len(re.findall('[a-zA-Z]+', file1['brand'][i]) )  #0為純中文，1為包含英文

㈣ python axis是什麼意思

python axis的意思是：1、【axis=0】表述列，【axis=1】表述行；2、等式【axis=i】操作就是沿第i維變化的方向進行。
python axis的意思是：
axis=0表述列
axis=1表述行
就記住axis=i，操作就是沿第i維變化的方向進行;
對於一個4*3*2*3的數組：
axis=0,操作時只有第0維的下標變化其他不變。
axis=1,操作時只有第1維的下標變化其他不變。
axis=2,操作時只有第2維的下標變化其他不變。
axis=3,操作時只有第3維的下標變化其他不變。
相關學習推薦：python視頻
以上就是小編分享的關於python axis是什麼意思的詳細內容希望對大家有所幫助，更多有關python教程請關注環球青藤其它相關文章！

㈤ Python-matplotlib繪制帶箭頭x-y坐標軸圖形

在Python的數據可視化庫中，採用matplotlib繪制相關圖形時，若不加任何設定，一般的x-y坐標軸是不帶箭頭且是一個封閉的矩形。我們以Sigmoid函數的繪制，給大家展示一下。

matplotlib的輔助工具，包含一系列對坐標軸設置的框架。其中的axisartist包就用來設置坐標軸的類型。

1.創建畫布並引入axisartist工具。

2.繪制帶箭頭的x-y坐標軸

我們先把原始的如上圖的所有坐標軸隱藏，即長方形的四個邊。
然後用ax.new_floating_axis在繪圖區添加坐標軸x、y，這里的ax.new_floating_axis(0,0)，第一個0代表平行直線，第二個0代表該直線經過0點。同樣，ax.axis["y"] = ax.new_floating_axis(1,0)，則代表豎直曲線且經過0點。
再次，x.axis["x"].set_axisline_style("->", size = 1.0)表示給x軸加上箭頭，"->"表示是空箭頭，size = 1.0表示箭頭大小。ax.axis["y"].set_axisline_style("-|>", size = 1.0)中"-|>"則是實心箭頭。
最後，設置x、y軸上刻度顯示方向，對於x軸是刻度標簽在上面還是下面，y軸則是刻度標簽在左邊還是右邊。

3.在帶箭頭的x-y坐標軸背景下，繪制函數圖像

tist坐標軸工具——將原始坐標軸均隱藏掉——添加新的基於原點的x與y軸——為新坐標軸加入箭頭，並設置刻度顯示方式——加入圖形。