这一部分将会介绍Series和DataFrame中的数据交互的基础机制 重建索引reindex方法用于创建一个符合新索引的新对象。Series在调用reindex方法时，会将数据按照新的索引值进行排列，如果某个索引之前并不存在，则会引入缺失值 123456789101112131415obj1 = ...

SeriesSeries是一种一维数组型对象，包含一个值序列并包含数据标签（称为索引index） 1234567obj = pd.Series([4,7,-5,3])print(obj) ==>0 41 72 -53 3dtype: int64 这里我们发现和之前nda ...

numpy.random模块可以高效生成多种概率分布下的完整样本值数组。例如用normal来获得正态分布样本数组 123456samples = np.random.normal(size=(4,4))print(samples) ==>[[ 0.47198411 1.64333761 1 ...

与其他语言相比，Numpy的线代中不同的是*是矩阵的逐元素乘积，而不是点乘积。因此Numpy的数组方法和numpy空间中都有函数dot用于矩阵操作 12345678x = np.array([[1.,2.,3.],[4.,5.,6.]])y = np.array([[6.,23.],[-1,7],[ ...

np.save和np.load是高效存取硬盘数据的两大工具函数。数组在默认情况下以压缩方式进行存储的，后缀名：.npy 12np.save('some_array',arr)np.load('some_array.npy')

使用Numpy数组可以使用简单数组表达式而无需写大量循环。这种利用数组表达式来替代显式循环的方法称为向量化。通常向量化会快上一到两个数量级。 将条件逻辑作为数组操作numpy.where函数是三元表达式x if condition else y的向量化版本 12345arr1 = np.array( ...

通用函数也称ufunc，是一种在ndarray数据中进行逐元素操作的函数。某些简单函数接收一个或多个标量数值，并产生一个或多个标量结果，而通用函数就是对这些简单函数的向量化封装 一元通用函数指的是进行简单的逐元素转换，而二元通用函数则会接收两个数组并返回一个数组作为结果。

Numpy的核心特征之一就是ndarray一个ndarray是一个通用的多维同类数据容器，也即每一个元素均为相同类型。每一个数组都有一个shape属性，用来表征数组每一纬度的数量。每一个数组都有一个dtype属性，用来描述数组的数据类型 12data.shape ==> (2,3)data.d ...