經常會遇到np.reshape(a,-1) 或者np.reshape(-1,a) 這樣的情況（a=1,2,3,4,5），-1是乙個比較神奇的功能，意思是我只要確定需要分成a行後者a列，剩下的資料你隨便分，反正結果都一樣。
例：arr =np.array([1,2,3,4,5,6,7,8,9,10,11,12])乙個一維的ndarry陣列，長度為9
如果我想把它變成3x3的矩陣，可以直接arr.reshape(3,4)，也可以用以上方法arr.reshape(3,-1) 或者arr.reshape(-1,4) ，最終的結果都一樣
numpy.
zeros_like
(a,dtype=none, order='k', subok=true)
該行**會返回形狀和資料型別和a相同且元素都為0的陣列
3、array和asarray的區別
array和asarray都可以將結構資料轉化為ndarray，但是主要區別就是當資料來源是ndarray時，array仍然會copy出乙個副本，占用新的記憶體，但asarray不會，意思是對資料來源進行重新賦值的話，array轉化後的資料不變，asarray轉化後的資料也會跟著資料來源重新被賦值。
1、dataframe
取出dataframe的所有標籤名：
columns = data.columns
對dataframe中的缺失值進行統計：
null_counts = data.isnull().sum() # 統計所有有缺失值列的缺失值個數，要統計某一列直接進行指定即可，比如data['target'].isnull().sum()
去掉缺失值最多的列：
data= data.drop('target'，axis=1) # 去掉缺失值最多的列，以target為例
去掉有缺失值的樣本：
data= data.dropna(axis=0) # 去掉有缺失值的樣本
對缺失值進行填充：
notnull_feature = data.fillna(np.mean(0)) # 這裡填充的是每一列的平均值，也可以直接填0
統計資料型別以及篩選：
dtypes = data.dtypes.value_counts()
object_columns = data.select_dtypes(include=['object']) #有字元型的資料會被選出來分析
轉換資料型別astype()：
data = data.astype('float') #. type 獲取資料型別 ；dtype 獲取陣列元素的型別
將資料中的文字轉化為數字：
data = pd.get_dummies(data,dummy_na=true)
一般資料比較大的時候，我們可以先讀取第一行，觀察資料結構，或者直接列印前五行
data_0 = data.iloc[0] # 第一行
data_5 = data.head # 前五行
data_info = data.info() #顯示資料綜合資訊，個數、型別。。。
dataframe資料結構非常靈活，可以通過多種方法提取出自己想要的列或者想要的行：
data= data[(data['target']=='car') | (data['target']=='truck')] # 提取某一列下car和truck兩個分類，如果該列還有其他類別，該類別以及類別橫向對應的資料都會捨棄
去掉重複項：
data.drop_duplicates()
傳入字典，可以對某一列的類別進行替換：
status_replace =
}data= data.replace(status_replace) #將loan_status列的兩個屬性進行替換
橫向拼接：
data= pd.concat([loans, dummy_df], axis=1) # 橫向拼接
特徵列與標籤列進行分離：
feature = data.iloc[:,data.columns!='class']
labels = data.iloc[:,data.columns=='class']
2、series
如果要統計某一列的唯一值可以用unique()，只支援series資料型別因此使用的時候只能針對dataframe某一列：
unique = data['target'].unique()
dataframe資料結構可以看做是很多個series共用一列index，有個values_count（）可以統計某列資料的類別分別是多少，只支援series資料型別因此使用的時候只能針對dataframe某一列：
values_count = data['target'].value_counts()
values_count .index #target的類別
values_count .values #target類別對應的個數
numpy和pandas中set option總結
import warnings import numpy as np import pandas as pd warnings.filterwarnings ignore 關閉執行時的警告 np.set printoptions linewidth 100,suppress true 列印numpy...
Numpy和Pandas的區別
首先來說說ndarray，numpy提供了乙個n維度的資料型別 ndarray 他描述了相同型別的items集合 1.ndarray中所有元素的型別都是相同的，而python列表中的元素型別是任意的，所以，ndarray在儲存元素的時候，記憶體可以連續。而python原生list就只通過定址法找到下...
python安裝numpy和pandas的方法步驟
最近要對一系列資料做同比比較，需要用到numpy和pandas來計算，不過使用python安裝numpy和pandas因為linux環境沒有外網遇到了很多問題就記下來了。首要條件，python版本必須是2.7以上。linux首先安裝依賴包 yum y install blas blas devel ...