python资料
Python对csv的处理：
#edcoding:utf-8
import pandas as pd
import csv
df=pd.read_csv('23.csv')
print df.week #输出week这一列的数据
print df['week'] #输出week这一列的数据
print df.ix[1] #输出第二行数据（下标是从0开始的）
print df.iloc[:,1:4] #输出第二到第四列的数据但是只可以通过序列取，不能通过列名
print df.ix[:,['LEASETIME','SHEDID']] #通过列名取出数据
print df.ix[:,[1,5]] #取出第二行和第六行数据（下标是从0开始的）
print df.ix[5,1] #输出第六行第二列的数据（下标是从0开始的）
print df.head(10) #取出前十行数据
print df.tail(10) #取出后十行数据（从后往前数）
print df[df.week==0] #将week这列等于0的全部取出来
print df[(df.week==0)&(df.SHEDID==8)]
#将week这一列等于0且SHEDID这一列等于8的数据全部取出（|这个符号表示或）
list=['3','4']
print df[df.week.isin(list)] #输出week这一列满足是‘3’或‘4’的所有数
print '===================='
print df.sort_values(by='week',ascending=True) #以week这一列从小到大排序
df['a']=1
print df #添加a这一列的值全部为1，也可以让他等于一个列表，但列表的长度必须与行数相等
del df['a']
print df #删除a这一列
'==============================================================='
#groupby()这个函数是分组（但是不能单独使用），count()这个方法是统计次数，
print df.groupby(df.week).count() #以week这一列分组后，统计相同的次数是多少
#分组后可以是用一下方法count()、sum()（求和）、mean()（求平均数）、max()（求最大值）、min()（求最小值)
Python中numpy：
#coding:utf-8
import numpy as np
import array
import pandas as pd
import numpy as np
#列表
n=np.array([1,2,3,4])
print n
list1=[1,2,3,'a']
print list1
#数组
n= np.array([1,2,3,'a'])
print n
#自定义两行两列数组
b=np.array([[1,2,3],[4,5,6]])
print b
print b.shape
#自定义两行两列数组
#自定义一个3行2列数组
m1=np.array([[1,2],[3,4],[4,5]])
print m1,m1.shape
#访问数组内元素
print m1[0,0]
print m1[1,1]
a=np.arange(5)
print a
print a.dtype
print a.dtype.itemsize
print np.int8(8.0)
a=1+0.1j
b=0.2
print a+b
a=np.arange(7,dtype='D')
print a
#查看数据类型
print np.dtype(float)
print np.dtype('f')
print np.dtype('f2');print np.dtype('f4');print np.dtype('f8')
print \"AAAAAAAAAAAAA\"
t=np.dtype(float) # t=np.dtype('float')
print t.char,t
#dtype类型属性type
print t.type
#dtype类型属性str 保存一个表示数据类型的字符串
print t.str
print \"BBBBBBBBBBBBBB\"
#一维数组的切片与索引
a=np.arange(10)
print a[3:5] #左闭右开
print a[1:7:2] ##左闭右开,间隔2
print a[4::-1] # 输出[4 3 2 1 0]
print \"CCCCCCCCCCCCCCCC\"
#处理数组形状
print a.reshape(2,5) #将1行10列数组转换成2行5列数组
b=np.arange(24).reshape(2,3,4)
print b
print b.ravel() #将多为数组降为1维数组,默认以行为准，参数-1以列为准
print b.flatten(-1) #拉直操作,默认以行为准，参数-1以列为准
print b.ravel().reshape(4,6)
print b.ravel().reshape(4,6).transpose() #转秩操作
print \"DDDDDDDDDDDDDDDDDDD\"
#reshape函数返回一个新数组，但原数组本身.不变；
# resize在返回一个新数组的同时也改变原数组本身。
print \"b=\
print \"b.reshape=\
print \"b=\
b.resize(2,12)
print \"b=\
b.shape=(2,3,2,2) #用元组的形式指定数组形状
print b
print \"EEEEEEEEEEEEEEEEEEEEEEEEE\"
#堆叠数组
a=np.arange(9).reshape(3,3)
print a
b=a**2
print a**2
c=np.hstack((a,b,a)) #水平叠加
d=np.vstack((a,b))#垂直叠加
print c,\"Hello\
print np.concatenate((a,b),axis=1) #concatenate功能数组叠加，axis=0默认水平叠加，axis=1垂直叠加
d=np.dstack((a,b,a)) #深度叠加,沿着第三个坐标轴（纵向）的方向叠加一摞数组。
print d
aa=np.arange(2)
bb=aa*2
print aa,bb
#column_stack列式叠加，以列方式对一维数组进行堆叠，多维数组和hstack类似
print np.column_stack((aa,bb)) #以列方式对一维数组进行堆叠
print np.column_stack((a,b)) #多维数组和hstack类似
print np.hstack((a,b))==np.column_stack((a,b))
#row_stack行式叠加，以行方式对一维数组进行堆叠，多维数组和vstack类似
print np.row_stack((aa,bb))
print np.row_stack((a,b))
print np.row_stack((a,b))==np.vstack((a,b))
print \"FFFFFFFFFFFFFFFFFFF\"
#数组拆分
a=np.arange(9).reshape(3,3)
print a
print type(np.vsplit(a,3)),np.vsplit(a,3) #纵向切分
print np.hsplit(a,3)#横向切分
print \"深向切分\"
print \"切分前\"
a=np.arange(18).reshape(2,3,3)
print a
print \"切分后\"
print np.dsplit(a,3)
print \"GGGGGGGGGGGGGGGG\"
print\"数组的属性，不需要加（）\"
print a
print a.ndim #数组的维度
print a.shape#数组的每一维度的大小
print a.dtype#数组中元素的数据类型，numpy要求数组元素类型一致
print a.size #数组中元素个数
print a.itemsize #返回数组中各个元素所占用的字节数
print a.itemsize*a.size #返回数组占用空间大小（字节为单位）
b=np.arange(5)
print b
print a.T #转秩，与transpose()函数功能相同
print b.ndim
b=np.array([1,2+2j]) #复数用j表示，定义一个数组，包含两个元素
print b.real #获取数组的实部
print b.imag #获取数组的虚部
print b.dtype #复数数据类型自动变成复数类型
b=np.arange(4).reshape(2,2)
f=b.flat
print f[[1,3,2]] #取列表中的某几个元素
for i in f: #对列表做循环
print i
b.flat=7 #对数组整体赋值
print b
b.flat[2]=3
print b #对数组某个元素赋值
b.flat[[2,3]]=2
print b
print \"GGGGGGGGGGGGGGGGGGGGGGGGGGG\"
print \"数组的转换,tolist()方法\"
a=np.array([1+1j,0.3+0.8j])
print a
print a.dtype
b=a.tolist()
print b
print type(b) #此时b已经不是numpy数组，不能再具有dtype属性，查看类型
a=11
print type(a) #a.dtype
b=np.array([1+1j,0.3+0.8j])
c=b.astype(float) #将数组元素转换成指定类型
print c,b #转换完成虚部被舍弃
print \"HHHHHHHHHHHHHHHHHHHHHHH\"
print \"创建数组的视图\"
#acopy=lena.copy()
#print acopy
Python中pandas：#coding=utf-8
import pandas as pd
import numpy as np
#Series
obj=pd.Series([1,2,3,4])
print obj
obj=pd.Series([1,2],index=['a','b'])
print obj
data=pd.Series([0,1,2,3],index=[1,2,3,4])
print data
print data[data>1]
print data*3
print data[3]
print pd.notnull('a')
#DataFrame
data={'state':['beijin','shanghai','hangzhou',],'a':['a','b','c']}
print pd.DataFrame(data)
print pd.DataFrame(data,columns=['state','a'],index=[1,2,3])
a=pd.DataFrame(data)
print a.ix[1]
print a.T
print a[2:4]
a=pd.Series(np.arange(4,8),index=['a','b','c','d'])
print a
print 'aaaaaa'
print a[:4]
print 'aaaaaa'
print a[:5]
df1=pd.DataFrame(np.arange(1,13).reshape(3,4),columns=['a','b','c','d'],index=['A','B','C'])
print df1
df2=pd.DataFrame(np.arange(1,10).reshape(3,3),columns=['a','b','e'])
print df2
print df1.add(df2,fill_value=0)
Python中matplotlib：
线型图：
import matplotlib.pyplot as plt
x=[1,3,5]
y=[4,6,8]
x1=[3,4,6]
y1=[5,4,9]
plt.plot(x, y, label='First Line')
plt.plot(x1, y1, label='Second Line')
plt.xlabel('Plot Number')
plt.ylabel('Important var')
plt.title('Interesting Graph\\nCheck it out')
plt.legend()
plt.show()
在这里，我们绘制了我们已经看到的东西，但这次我们添加另一个参数label。 这允许我们为线条指定名称，我们以后可以在图例中显示它。
使用plt.xlabel和plt.ylabel，我们可以为这些相应的轴创建标签。
接下来，我们可以使用plt.title创建图的标题，然后我们可以使用plt.legend()生成默认图例
条形图：
import matplotlib.pyplot as plt
plt.bar([1,3,5,7,9],[5,2,7,8,2], label=\"Example one\")
plt.bar([2,4,6,8,10],[8,6,2,5,6], label=\"Example two\
plt.legend()
plt.xlabel('bar number')
plt.ylabel('bar height')
plt.title('Epic Graph\\nAnother Line! Whoa')
plt.show()
plt.bar为我们创建条形图。 如果你没有明确选择一种颜色，那么虽然做了多个图，所有的条看起来会一样。
这让我们有机会使用一个新的 Matplotlib 自定义选项。 你可以在任何类型的绘图中使用颜色，例如g为绿色，
b为蓝色，r为红色，y为黄色，k为黑色，w为白色，买等等。 你还可以使用十六进制颜色代码，如#191970。
直方图：
接下来，我们会讲解直方图。 直方图非常像条形图，倾向于通过将区段组合在一起来显示分布。 这个例子可能是年龄的分组，或测试的分数。
我们并不是显示每一组的年龄，而是按照 20 ~ 25，25 ~ 30… 等等来显示年龄。 这里有一个例子：
import matplotlib.pyplot as plt
population_ages =
[22,55,62,45,21,22,34,42,42,4,99,102,110,120,121,122,130,111,115,112,80,75,65,54,44,43,42,48]
bins = [0,10,20,30,40,50,60,70,80,90,100,110,120,130]
plt.hist(population_ages, bins, histtype='bar', rwidth=0.8)
plt.xlabel('x')
plt.ylabel('y')
plt.title('Interesting Graph\\nCheck it out')
plt.legend()
plt.show()
对于plt.hist，你首先需要放入所有的值，然后指定放入哪个桶或容器。 在我们的例子中，我们绘制了一堆年龄，并希望以 10 年的增量来显示它们。
我们将条形的宽度rwidth设为 0.8，但是如果你想让条形变宽，或者变窄，你可以选择其他的宽度。
散点图
import matplotlib.pyplot as plt
x = [1,2,3,4,5,6,7,8]
y = [5,2,4,2,1,4,5,2]
plt.scatter(x,y, label='skitscat', color='k', s=25, marker=\"o\")
plt.xlabel('x')
plt.ylabel('y')
plt.title('Interesting Graph\\nCheck it out')
plt.legend()
plt.show()
plt.scatter不仅允许我们绘制x和y，而且还可以让我们决定所使用的标记颜色color，大小s和类型marker。 有一堆标记选项，请参阅 Matplotlib 标记文档中的所有选项。
堆叠图：
在这篇 Matplotlib 数据可视化教程中，我们要介绍如何创建堆叠图。 堆叠图用于显示『部分对整体』随时间的关系。 堆叠图基本上类似于饼图，只是随时间而变化。
让我们考虑一个情况，我们一天有 24 小时，我们想看看我们如何花费时间。 我们将我们的活动分为：睡觉，吃饭，工作和玩耍。
我们假设我们要在 5 天的时间内跟踪它，因此我们的初始数据将如下所
import matplotlib.pyplot as plt
days = [1,2,3,4,5]
sleeping = [7,8,6,11,7]
eating = [2,3,4,3,2]
working = [7,8,7,2,2]
playing = [8,5,7,8,13]
plt.plot([],[],color='m', label='Sleeping', linewidth=5)
plt.plot([],[],color='c', label='Eating', linewidth=5)
plt.plot([],[],color='r', label='Working', linewidth=5)
plt.plot([],[],color='k', label='Playing', linewidth=5)
plt.stackplot(days, sleeping,eating,working,playing, colors=['m','c','r','k'])
plt.xlabel('x')
plt.ylabel('y')
plt.title('Interesting Graph\\nCheck it out')
plt.legend()
plt.show()
我们在这里做的是画一些空行，给予它们符合我们的堆叠图的相同颜色，和正确标签。 我们还使它们线宽为 5，使线条在图例中显得较宽。 现在，我们可以很容易地看到，
我们如何花费我们的时间。
饼状图：
饼图很像堆叠图，只是它们位于某个时间点。 通常，饼图用于显示部分对于整体的情况，通常以％为单位。 幸运的是，Matplotlib 会处理切片大小以及一切事情，我们只需
要提供数值。
import matplotlib.pyplot as plt
slices = [7,2,2,13]
activities = ['sleeping','eating','working','playing']
cols = ['c','m','r','b']
plt.pie(slices,
labels=activities,
colors=cols,
startangle=90,
shadow= True,
explode=(0,0.1,0,0),
autopct='%1.1f%%')
plt.title('Interesting Graph\\nCheck it out')
plt.show()
在plt.pie中，我们需要指定『切片』，这是每个部分的相对大小。 然后，我们指定相应切片的颜色列表。 接下来，我们可以选择指定图形的『起始角度』。 这使你可以在任
何地方开始绘图。 在我们的例子中，我们为饼图选择了 90 度角，这意味着第一个部分是一个竖直线条。 接下来，我们可以选择给绘图添加一个字符大小的阴影，然后我们
甚至可以使用explode拉出一个切片。
我们总共有四个切片，所以对于explode，如果我们不想拉出任何切片，我们传入0,0,0,0。 如果我们想要拉出第一个切片，我们传入0.1,0,0,0。最后，我们使用autopct，选择将
百分比放置到图表上面。
因篇幅问题不能全部显示，请点此查看更多更全内容