# 导入库
import numpy as np

arr1 = np.array([-9,7,4,3])

arr1

arr2 = np.array([-9,7,4,3],dtype =float)# 尝试改变为int或者str

print(arr2)

arr3 = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])

arr3

# 使用其他函数创建数组
np.arange(0,10,1)   

np.linspace(1,10,10)

np.zeros([4,5])

np.ones([2,3])  

arr3 + 1 #矩阵运算

# 查看数组维度
arr3.ndim 

arr3.shape

arr3.size

arr3.dtype

arr3 + 1 #矩阵运算

arr3 /2

data2 = ((8.5,6,4.1,2,0.7),(1.5,3,5.4,7.3,9),(3.2,4.5,6,3,9),(11.2,13.4,15.6,17.8,19))
arr2 = np.array(data2)

arr2

arr2[2] #访问第三行，可以理解为行索引

arr2[2,1] #访问第三行，可以理解为行索引

arr2[:,2:4] #访问第三列

arr2[1:3] #2行和3行

arr2[1:,2:] #第2行到最后一行，第3列到最后一列

arr2[2,1] #访问第三行，第二个元素,第一个是行索引，第二个是列索引

arr2[2][1] #访问第三行，第二个元素,第一个是行索引，第二个是列索引

s  = np.array([1,2,3,4,3,1,2,2,4,6,7,2,4,8,4,5])

np.sort(s)

sorted(s,reverse =True)#降序

arr1 = np.array([[0,1,3],[4,2,9],[4,5,9],[1,-3,4]])

arr1

np.sort(arr1)

np.sort(arr1,axis = 0) # 0代表沿着行的方向， 1代表沿着列的方向

arr1 = np.array([[0,1,3],[4,2,9],[4,5,9],[1,-3,4]])
对于这里的理解可以理解为矩阵的转制的概念，也就是013 429 459 1-34分别表示列向量
所谓行，就是每一个元素里面的第n个，比如这里的0，4，4，1

所谓列，就是一个元素里面的所有数，比如这里的0，1，3

np.sort(arr1,axis = 1)

s = np.array([1,2,3,4,3,1,2,2,4,6,7,2,4,8,4,5])

np.argsort(s) 

np.where(s>3,1,-1)# 满足条件的，赋值为1，不满足的赋值为-1，返回的数据长度和s一样

np.extract(s>3,s)# 只输出满足条件的数据

import pandas as pd
import numpy as np

# 构造序列
series1 = pd.Series([2.8,3.01,8.99,8.59,5.18])

series2 = pd.Series([2.8,3.01,8.99,8.59,5.18],index = [‘a‘,‘b‘,‘c‘,‘d‘,‘e‘],name =‘这是一个series‘)

series3 = pd.Series({‘北京‘:2.8,‘上海‘:3.01,‘广东‘:8.99,‘江苏‘:8.59,‘浙江‘:5.18})
这个时候中文的地方会变成索引，而后面分别跟者值
可以通过series3[0] series3[‘北京‘]得到2.8

可以通过series3[0:3]得到‘北京‘:2.8,‘上海‘:3.01,‘广东‘:8.99。 左闭右开

可以通过series3[‘北京‘:‘江苏‘]得到之间所有的值      左闭右闭

#series方法
series2.values   输出到是值

series3.index        输出的是健

# 构造数据框
#数据框其实就是一个二维表结构，是数据分析中，最常用的数据结构
list1 = [[‘张三‘,23,‘男‘],[‘李四‘,27,‘女‘],[‘王二‘,26,‘女‘]]#使用嵌套列表
df1 = pd.DataFrame(list1,columns=[‘姓名‘,‘年龄‘,‘性别‘])

type(df1)

df2 = pd.DataFrame({‘姓名‘:[‘张三‘,‘李四‘,‘王二‘],‘年龄‘:[23,27,26],‘性别‘:[‘男‘,‘女‘,‘女‘]}) #使用字典,字典的键被当成列名

df2

array1 = np.array([[‘张三‘,23,‘男‘],[‘李四‘,27,‘女‘],[‘王二‘, 26,‘女‘]]) #使用numpy
df3 = pd.DataFrame(array1,columns=[‘姓名‘,‘年龄‘,‘性别‘],index = [‘a‘,‘b‘,‘c‘] )

行标签是index，列标签是columns

#dataframe方法
所有的除标签外的值
df2.values

df2.index

df2.columns

df2.columns.tolist()转变为列表的格式

df2.dtypes

df2.ndim

df2.size