推薦：使用NSDT場(chǎng)景編輯器快速搭建3D應(yīng)用場(chǎng)景

如果您正在從事數(shù)據(jù)科學(xué)項(xiàng)目，Python 包將簡(jiǎn)化您的生活，因?yàn)槟恍枰獛仔写a即可執(zhí)行復(fù)雜的操作，例如操作數(shù)據(jù)和應(yīng)用機(jī)器學(xué)習(xí)/深度學(xué)習(xí)模型。

在開始你的數(shù)據(jù)科學(xué)之旅時(shí)，建議從學(xué)習(xí)兩個(gè)最有用的Python包開始：NumPy和Pandas。在本文中，我們將介紹這兩個(gè)庫。讓我們開始吧！

NumPy代表Numeric Python，用于在機(jī)器學(xué)習(xí)模型的幕后對(duì)數(shù)組和矩陣進(jìn)行有效的計(jì)算。Numpy 的構(gòu)建塊是數(shù)組，它是一種與列表非常相似的數(shù)據(jù)結(jié)構(gòu)，不同之處在于它提供了大量的數(shù)學(xué)函數(shù)。換句話說，Numpy 數(shù)組是一個(gè)多維數(shù)組對(duì)象。

我們可以使用列表或列表列表來定義 NumPy 數(shù)組：

import numpy as np
l = [[1,2,3],[4,5,6],[7,8,9]]
numpy_array = np.array(l)
numpy_array

array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

與列表列表不同，我們可以可視化矩陣 3X3，每行之間都有一個(gè)縮進(jìn)。此外，NumPy提供了40多個(gè)用于數(shù)組創(chuàng)建的內(nèi)置函數(shù)。

要?jiǎng)?chuàng)建一個(gè)充滿零的數(shù)組，有函數(shù) np.zeros ，您只需要在其中指定所需的形狀：

zeros_array = np.zeros((3,4))
zeros_array

array([[0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])

同樣，我們可以創(chuàng)建一個(gè)充滿 1 的數(shù)組：

ones_array = np.ones((3,4))
ones_array

array([[1., 1., 1., 1.],
       [1., 1., 1., 1.],
       [1., 1., 1., 1.]])

還可以創(chuàng)建單位矩陣，它是一個(gè)方陣，主對(duì)角線上有 1，非對(duì)角線元素為 0：

identity_array = np.identity(3)
identity_array

array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])

此外，NumPy提供了不同的函數(shù)來創(chuàng)建隨機(jī)數(shù)組。要?jiǎng)?chuàng)建一個(gè)由 [0，1] 上的均勻分布的隨機(jī)樣本填充的數(shù)組，我們只需要函數(shù) np.random.rand ：

random_array = np.random.rand(3,4)
random_array

array([[0.84449279, 0.71146992, 0.48159787, 0.04927379],
       [0.03428534, 0.26851667, 0.65718662, 0.52284251],
       [0.1380207 , 0.91146148, 0.74171469, 0.57325424]])

與前面的函數(shù)類似，我們可以定義一個(gè)帶有隨機(jī)值的數(shù)組，但這次時(shí)間取自標(biāo)準(zhǔn)正態(tài)分布：

randn_array = np.random.randn(10)
randn_array

array([-0.68398432, -0.25466784,  0.27020797,  0.29632334, -0.20064897,
        0.7988508 ,  1.34759319, -0.41418478, -0.35223377, -0.10282884])

如果我們有興趣用屬于區(qū)間 [low，high] 的隨機(jī)整數(shù)構(gòu)建一個(gè)數(shù)組，我們只需要函數(shù) np.random.randint ：

randint_array = np.random.randint(1,20,20)
randint_array

array([14,  3,  1,  2, 17, 15,  5, 17, 18,  9,  4, 19, 14, 14,  1, 10, 17,
       19,  4,  6])

除了用于創(chuàng)建數(shù)組的內(nèi)置函數(shù)之外，NumPy 的另一個(gè)優(yōu)點(diǎn)是可以使用一組方括號(hào)從數(shù)組中選擇元素。例如，我們可以嘗試取矩陣的第一行：

a1 = np.array([[1,2,3],[4,5,6]])
a1[0]

array([1, 2, 3])

假設(shè)我們要選擇第一行的第三個(gè)元素。在這種情況下，我們需要指定兩個(gè)索引，行的索引和列的索引：

print(a1[0,2]) #3

另一種方法是使用 a1[0][2]，但它被認(rèn)為是低效的，因?yàn)樗紫葎?chuàng)建包含第一行的數(shù)組，然后從該行中選擇元素。

此外，我們可以從矩陣中獲取切片，語法 start：stop：step 在括號(hào)內(nèi)，其中不包括停止索引。例如，我們想再次選擇第一行，但我們只選擇前兩個(gè)元素：

print(a1[0,0:2])

[1 2]

如果我們更喜歡選擇所有行，但我們想提取每行的第一個(gè)元素：

print(a1[:,0])

[1 4]

除了整數(shù)數(shù)組索引之外，還有布爾數(shù)組索引，用于從數(shù)組中選擇元素。假設(shè)我們只需要符合以下條件的元素：

a1>5

array([[False, False, False],
       [False, False,  True]])

如果我們根據(jù)此條件過濾數(shù)組，輸出將僅顯示 True 元素：

a1[a1>5]

array([6])

在數(shù)據(jù)科學(xué)項(xiàng)目中工作時(shí)，經(jīng)常會(huì)在不更改數(shù)據(jù)的情況下將數(shù)組重塑為新形狀。

例如，我們從一個(gè)維度為 2X3 的數(shù)組開始。如果我們不確定數(shù)組的形狀，有屬性形狀可以幫助我們：

a1 = np.array([[1,2,3],[4,5,6]])
print(a1)
print('Shape of Array: ',a1.shape)

[[1 2 3]
 [4 5 6]]
Shape of Array:  (2, 3)

要將數(shù)組重塑為 3X2 維度，我們可以簡(jiǎn)單地使用函數(shù) reshape：

a1 = a1.reshape(3,2)
print(a1)
print('Shape of Array: ',a1.shape)

[[1 2]
 [3 4]
 [5 6]]
Shape of Array:  (3, 2)

另一種常見的情況是將多維數(shù)組轉(zhuǎn)換為單維數(shù)組。這可以通過將 -1 指定為形狀來實(shí)現(xiàn)：

a1 = a1.reshape(-1)
print(a1)
print('Shape of Array: ',a1.shape)

[1 2 3 4 5 6]
Shape of Array:  (6,)

也可能需要獲取轉(zhuǎn)置數(shù)組：

a1 = np.array([[1,2,3,4,5,6]])
print('Before shape of Array: ',a1.shape)
a1 = a1.T
print(a1)
print('After shape of Array: ',a1.shape)

Before shape of Array:  (1, 6)
[[1]
 [2]
 [3]
 [4]
 [5]
 [6]]
After shape of Array:  (6, 1)

同樣，您可以使用 np.transpose（a1） 應(yīng)用相同的轉(zhuǎn)換。

如果您嘗試從頭開始構(gòu)建機(jī)器學(xué)習(xí)算法，則肯定需要計(jì)算兩個(gè)數(shù)組的矩陣乘積。當(dāng)數(shù)組具有超過 1 個(gè)維度時(shí)，可以使用函數(shù) np.matmul 執(zhí)行此操作：

a1 = np.array([[1,2,3],[4,5,6]])
a2 = np.array([[1,2],[4,5],[7,8]])
print('Shape of Array a1: ',a1.shape)
print('Shape of Array a2: ',a2.shape)
a3 = np.matmul(a1,a2) 
# a3 = a1 @ a2
print(a3)
print('Shape of Array a3: ',a3.shape)

Shape of Array a1:  (2, 3)
Shape of Array a2:  (3, 2)
[[30 36]
 [66 81]]
Shape of Array a3:  (2, 2)

@ 可以是 np.matmul 的較短替代品。

如果將矩陣與標(biāo)量相乘，np.dot 是最佳選擇：

a1 = np.array([[1,2,3],[4,5,6]])
a3 = np.dot(a1,2)
# a3 = a1 * 2
print(a3)
print('Shape of Array a3: ',a3.shape)

[[ 2  4  6]
 [ 8 10 12]]
Shape of Array a3:  (2, 3)

在這種情況下，* 是 np.dot 的較短替代項(xiàng)。

NumPy提供了各種各樣的數(shù)學(xué)函數(shù)，如三角函數(shù)，舍入函數(shù)，指數(shù)，對(duì)數(shù)等。您可以在此處找到完整列表。我們將展示您可以應(yīng)用于問題的最重要的功能。

指數(shù)和自然對(duì)數(shù)肯定是最流行和已知的變換：

a1 = np.array([[1,2,3],[4,5,6]])
print(np.exp(a1))

[[  2.71828183   7.3890561   20.08553692]
 [ 54.59815003 148.4131591  403.42879349]]

a1 = np.array([[1,2,3],[4,5,6]])
print(np.log(a1))

[[0.         0.69314718 1.09861229]
 [1.38629436 1.60943791 1.79175947]]

如果我們想在一行代碼中提取最小值和最大值，我們只需要調(diào)用以下函數(shù)：

a1 = np.array([[1,2,3],[4,5,6]])
print(np.min(a1),np.max(a1))  # 1 6

我們還可以從數(shù)組的每個(gè)元素計(jì)算平方根：

a1 = np.array([[1,2,3],[4,5,6]])
print(np.sqrt(a1))

[[1.         1.41421356 1.73205081]
 [2.         2.23606798 2.44948974]]

Pandas建立在Numpy之上，對(duì)于操作數(shù)據(jù)集很有用。有兩種主要的數(shù)據(jù)結(jié)構(gòu)：系列和數(shù)據(jù)幀。序列是一系列值，而數(shù)據(jù)幀是包含行和列的表。換句話說，序列是數(shù)據(jù)幀的一列。

要構(gòu)建序列，我們只需將值列表傳遞給方法：

import pandas as pd
type_house = pd.Series(['Loft','Villa'])
type_house

0     Loft
1    Villa
dtype: object

我們可以通過傳遞對(duì)象字典來創(chuàng)建數(shù)據(jù)幀，其中鍵對(duì)應(yīng)于列名，值是列的條目：

df = pd.DataFrame({'Price': [100000, 300000], 'date_construction': [1960, 2010]})
df.head()

創(chuàng)建數(shù)據(jù)幀后，我們可以檢查每列的類型：

type(df.Price),type(df.date_construction)

(pandas.core.series.Series, pandas.core.series.Series)

應(yīng)該清楚的是，列是系列類型的數(shù)據(jù)結(jié)構(gòu)。

從現(xiàn)在開始，我們將通過使用Kaggle上提供的自行車共享數(shù)據(jù)集來展示Pandas的潛力。我們可以通過以下方式導(dǎo)入 CSV 文件：

df = pd.read_csv('/kaggle/input/bike-sharing-demand/train.csv')
df.head()

Pandas不僅允許讀取CSV文件，還允許讀取Excel文件，JSON，Parquet和其他類型的文件。您可以在此處找到完整列表。

從輸出中，我們可以可視化數(shù)據(jù)幀的前五行。如果我們想顯示數(shù)據(jù)集的最后四行，我們使用 tail（） 方法：

df.tail(4)

很少的行不足以很好地了解我們擁有的數(shù)據(jù)。開始分析的一個(gè)好方法是查看數(shù)據(jù)集的形狀：

df.shape                    #(10886, 12)

我們有 10886 行和 12 列。是否要查看列名？這樣做非常直觀：

df.columns

有一種方法可以將所有這些信息可視化為唯一的輸出：

df.info()

如果我們想顯示每列的統(tǒng)計(jì)信息，可以使用 describe 方法：

df.describe()

從分類字段中提取信息也很重要。我們可以找到季節(jié)列的唯一值和唯一值的數(shù)量：

df.season.unique(),df.season.nunique()

輸出：

(array([1, 2, 3, 4]), 4)

我們可以看到值為 1、2、3、4。然后，有四個(gè)可能的值。這種驗(yàn)證對(duì)于理解分類變量和防止色譜柱中包含的可能噪聲至關(guān)重要。

要顯示每個(gè)級(jí)別的頻率，我們可以使用 value_counts（） 方法：

df.season.value_counts()

最后一步應(yīng)該是檢查每列上的缺失值：

df.isnull().sum()

幸運(yùn)的是，我們?cè)谶@些字段中沒有任何缺失值。

與在 Numpy 中一樣，有基于索引的選擇來從數(shù)據(jù)結(jié)構(gòu)中選擇數(shù)據(jù)。有兩種主要方法可以從數(shù)據(jù)幀中獲取條目：

• ILOC 根據(jù)整數(shù)位置選擇元素

• LOC 根據(jù)標(biāo)簽或布爾數(shù)組獲取項(xiàng)目。

要選擇第一行，iloc 是最佳選擇：

df.iloc[0]

如果我們想選擇所有行，只選擇第二列，我們可以執(zhí)行以下操作：

df.iloc[:,1]

也可以同時(shí)選擇更多列：

df.iloc[0:3,[0,1,2,5]]

根據(jù)索引選擇列變得很復(fù)雜。最好指定列名。這可以使用 loc：

df.loc[0:3,['datetime','season','holiday','temp']]

與 Numpy 類似，可以根據(jù)條件過濾數(shù)據(jù)幀。例如，我們要返回天氣等于 1 的所有行：

df[df.weather==1]

如果我們想返回包含特定列的輸出，我們可以使用 loc：

df.loc[df.weather==1,['season','holiday']]

新變量的創(chuàng)建對(duì)從數(shù)據(jù)中提取更多信息和提高可解釋性具有巨大影響。我們可以根據(jù)工作日的值創(chuàng)建一個(gè)新的分類變量：

df['workingday_c'] = df['workingday'].apply(lambda x: 'work' if x==1 else 'relax')
df[['workingday','workingday_c']].head()

如果有多個(gè)條件，最好使用字典和方法映射來映射值：

diz_season = {1:'winter',2:'spring',3:'summer',4:'fall'}
df['season_c'] = df['season'].map(lambda x: diz_season[x])
df[['season','season_c']].head()

您可能希望根據(jù)分類列對(duì)數(shù)據(jù)進(jìn)行分組。這可以使用分組方式：

df.groupby('season_c').agg({'count':['median','max']})

對(duì)于季節(jié)的每個(gè)級(jí)別，我們都可以觀察到租用自行車的中位數(shù)和最大值。如果不根據(jù)列進(jìn)行排序，此輸出可能會(huì)令人困惑。我們可以使用 sort_values（） 方法做到這一點(diǎn)：

df.groupby('season_c').agg({'count':['median','max']}).reset_index().sort_values(by=('count', 'median'),ascending=False)

現(xiàn)在，輸出更有意義。我們可以推斷，租用自行車數(shù)量最多的是夏季，而冬季則不是租用自行車的好月份。

就是這樣！我希望您發(fā)現(xiàn)本指南對(duì)學(xué)習(xí)NumPy和Pandas的基礎(chǔ)知識(shí)很有用。它們通常是分開研究的，但首先了解NumPy，然后理解Pandas，這是建立在NumPy之上的，這可能是有見地的。

當(dāng)然，有些方法我沒有在本教程中介紹，但目標(biāo)是介紹這兩個(gè)庫中最重要和最流行的方法。代碼可以在Kaggle上找到。感謝您的閱讀！有好的一天！

原文鏈接：Numpy和Pandas簡(jiǎn)介 (mvrlink.com)