Pandas和NumPy的比较
我们知道Pandas是在NumPy的基础构建而来,因此,熟悉NumPy可以更加有效的帮助我们使用Pandas。
NumPy主要用C语言编写,因此,在计算还和处理一维或多维数组方面,它要比Python数组快得多。
创建数组
数组的主要作用是在一个变量中存储多个值。NumPy可以轻松地处理多维数组,示例如下:
import numpy as np arr = np.array([2, 4, 6, 8, 10, 12]) print(type(arr))print ("打印新建数组: ",end="")#使用for循环读取数据 for l in range (0,5): print (arr[l], end=" ")1234567复制代码类型:[python]
输出结果:
<class 'numpy.ndarray'> 打印新建数组: 2 4 6 8 1012复制代码类型:[python]
虽然Python本身没有数组这个说法,不过Python提供一个array模块,用于创建数字、字符类型的数组,它能够容纳字符型、整型、浮点型等基本类型。示例如下:
import array#注意此处的 'l' 表示有符号int类型 arr = array.array('l', [2, 4, 6, 8, 10, 12]) print(type(arr))print ("新建数组: ",end="") for i in range (0,5): print (arr[i], end=" ") 1234567复制代码类型:[python]
输出结果:
<class 'array.array'> 新建数组: 2 4 6 8 1012复制代码类型:[python]
布尔索引
布尔索引是NumPy的重要特性之一,通常与Pandas一起使用。它的主要作用是过滤DataFrame中的数据,比如布尔值的掩码操作。
下面示例展示了如何使用布尔索引访问DataFrame中的数据。
首先创建一组包含布尔索引的数据,如下所示:
import pandas as pd dict = {'name':["Smith", "William", "Phill", "Parker"], 'age': ["28", "39", "34", "36"]} info = pd.DataFrame(dict, index = [True, True, False, True]) print(info)12345复制代码类型:[python]
输出结果:
name ageTrue Smith 28True William 39False Phill 34True Parker 3612345复制代码类型:[python]
然后使用.loc访问索引为True的数据。示例如下:
import pandas as pd dict = {'name':["Smith", "William", "Phill", "Parker"], 'age': ["28", "39", "34", "36"]} info = pd.DataFrame(dict, index = [True, True, False, True])#返回所有为 True的数据 print(info.loc[True]) 123456复制代码类型:[python]
输出结果:
name ageTrue Smith 28True William 39True Parker 361234复制代码类型:[python]
重塑数组形状
在不改变数组数据的情况下,对数组进行变形操作,即改变数组的维度,比如2*3(两行三列)的二维数组变维3*2(三行两列)的二维数组。变形操作可以通过reshape()函数实现。
示例如下:
import numpy as np arr = np.arange(16) print("原数组: \n", arr) arr = np.arange(16).reshape(2, 8) print("\n变形后数组:\n", arr) arr = np.arange(16).reshape(8 ,2) print("\n变形后数组:\n", arr)1234567复制代码类型:[python]
输出结果:
原数组:
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15] 变形后数组: [[ 0 1 2 3 4 5 6 7] [ 8 9 10 11 12 13 14 15]] 变形后数组: [[ 0 1] [ 2 3] [ 4 5] [ 6 7] [ 8 9] [10 11] [12 13] [14 15]]123456789101112131415复制代码类型:[python]
Pdans与NumPy区别
Pandas和NumPy被认为是科学计算与机器学习中必不可少的库,因为它们具有直观的语法和高性能的矩阵计算能力。下面对Pandas与NumPy进行简单的总结,如下表所示:
比较项 | Pandas | NumPy |
---|---|---|
适应性 | Pandas主要用来处理类表格数据。 | NumPy 主要用来处理数值数据。 |
工具 | Pandas提供了Series和DataFrame数据结构。 | NumPy 构建了 ndarray array来容纳数据。 |
性能 | Pandas对于处理50万行以上的数据更具优势。 | NumPy 则对于50万以下或者更少的数据,性能更佳。 |
内存利用率 | 与 NumPy相比,Pandas会消耗大量的内存。 | NumPy 会消耗较少的内存。 |
对象 | Pandas 提供了 DataFrame 2D数据表对象。 | NumPy 则提供了一个多维数组 ndarray 对象 |
转换ndarray数组
在某些情况下,需要执行一些NumPy数值计算的高级函数,这个时候您可以使用to_numpy()函数,将DataFrame对象转换为NumPyndarray数组,并将其返回。函数的语法格式如下:
DataFrame.to_numpy(dtype=None, copy=False) 1复制代码类型:[python]
参数说明如下:
dtype:可选参数,表示数据类型;
copy:布尔值参数,默认值为Fales,表示返回值不是其他数组的视图。
下面使用示例,了解该函数的使用方法。示例1:
info = pd.DataFrame({"P": [2, 3], "Q": [4.0, 5.8]})#给info添加R列 info['R'] = pd.date_range('2020-12-23', periods=2) print(info)#将其转化为numpy数组 n=info.to_numpy() print(n) print(type(n))12345678复制代码类型:[python]
输出结果:
[[2 4.0 Timestamp('2020-12-23 00:00:00')] [3 5.8 Timestamp('2020-12-24 00:00:00')]]12复制代码类型:[python]
可以通过type查看其类型,输出如下:
numpy.ndarray1复制代码类型:[python]
示例2:
import pandas as pd #创建DataFrame对象info = pd.DataFrame([[17, 62, 35],[25, 36, 54],[42, 20, 15],[48, 62, 76]], columns=['x', 'y', 'z']) print('DataFrame\n----------\n', info) #转换DataFrame为数组arrayarr = info.to_numpy() print('\nNumpy Array\n----------\n', arr) 12345678复制代码类型:[python]
输出结果:
DataFrame ---------- x y z0 17 62 351 25 36 542 42 20 153 48 62 76Numpy Array ---------- [[17 62 35] [25 36 54] [42 20 15] [48 62 76]]