numpy 获取特定数值的索引_入门Numpy、Pandas及案例实践

用Python进行数据分析，需要用到数据分析相关的包，如本文中用到的pandas和numpy包。

本文目录：

用python分析一维数据
用python分析二维数据
案例：销售数据分析

一、一维数据分析

在numpy和pandas这两个包中，都有表示一维数据的特殊数据结构。

在pandas中，一维数据结构是Series

在numpy中，一维数据结构是数组Array

Series 的功能相对numpy的Array要更多，因为Series是建立在Numpy至上的

1.数组Array

1）一般操作

其相关操作类似列表，如查询、切片、循环等。

示例：

2）Array与列表的区别

1.具有统计功能

如平均值mean（）、标准差std（）

2.可以进行向量化计算

向量相加

与标量相乘

注意

列表的元素可以是不同的数据类型，而数组Array里面的每一个元素都必须是同一种数据类型。

2.Series

Series相较于Array多了索引，可以在定义的时候指定索引。

示例：

1）常用操作

获取描述统计信息 describe

根据位置获取值 iloc

根据索引获取值

向量相加

Series中向量是根据相同的索引进行相加的，当相加的两者没有相同的索引时，输出值将是空值NaN。此时可以使用方法dropna来将空值删除

另外可以采用将缺失值事先进行填充（采用fill_value）的方法。

二、二维数据结构

在numpy中，使用数组Array来创建二维数据

在pandas中，使用数据框dataframe来创建二维数据

一般来说dataframe更加常用

1.数组Array

示例

1）一般操作

查询元素：[行号，列号]

行号和列号都是从0开始算的，通过相应的行号和列号可以定位到相应的元素

获取某一行所有元素：[对应行的行号, : ]

获取某一列的所有元素： [ ：，对应列的列号]

2）特殊操作

数轴参数 axis

默认情况下，对数组Array进行的统计操作都是在所有元素的基础上进行的。在需要按行或列来进行统计计算的时候，需要用到数轴参数。

当axis=1的时候，统计值按行来进行计算

当axis=0的时候，统计值按列来进行计算

2.数据框 DataFrame

在二维数组上，DataFrame相较于Array有两个优点：

每列的数据可以是不同的类型
具有索引功能（类似于Series），每行和每列都有索引值

示例

1）一般操作

iloc属性用于根据位置查询值

查询元素：变量名.iloc[元素所在的行，元素所在的列]

获取某一行：变量名.iloc[对应行的行号, : ]

获取某一列：变量名.iloc[：，对应列的列号 ]

loc属性用于根据索引查询值（更加常用）

查询元素：变量名.loc[元素所在的行，需查询的列名]

获取某一行：变量名.loc[对应行的行号, : ]

获取某一列：变量名.iloc[：，对应列的列名]

查询某几列：变量名[[‘列名1’，‘列名2’]]

切片功能：指定范围

通过loc方法，也可以切割出从‘购药时间’到‘商品名称’之间的所有列

### 2）特殊操作

建立有序的数据框

直接使用字典结构获得的数据框，其列名的排列顺序有可能是不按照定义时的顺序来进行排列的。因此可以使用OrderedDict来固定顺序

平均值计算

DataFrame是按每列来求平均值的

通过条件判断来筛选出符合要求的数据

查看数据集里面的描述统计信息

三、案例

数据分析的五大步骤：提出问题、理解数据、数据清洗、构建模型、数据可视化

本次使用的数据集是朝阳医院的销售数据

1、提出问题

获取月均消费次数、月均消费金额、客单价、消费趋势

2、理解数据

1）读取数据

2）打印前五行，看看数据集都有哪些参数

3）查看数据集有几行几列

4）查看各列的数据类型

3、数据清洗

数据清洗包括六个步骤：

选择子集（选择本次分析所需的列）
列名重命名（列名不符合使用习惯等）
缺失数据处理
数据类型转换
数据排序
异常值处理

1）选择子集

2）列名重命名

3）缺失数据处理

Python的缺失值有3种：

Python内置的None值
Pandas中的缺失值NA，表示不可用not available
对于数值数据，Pandas使用浮点值NaN（not a number）表示缺失数据。如提示有Float错误，就表明存在缺失值。

因此，缺失值总共有3种：None，NA，NaN

缺失数据处理有两种方法：

直接删除缺失数据
通过建立模型来补齐缺失值

4）数据类型转换

将字符串转换为数值

将字符串转换为日期格式

需要使用split方法，先将日期和星期分开

分开之后，销售时间列只有日期值，此时的日期值仍然是字符串，需要将其转换为日期。

通过转换，销售时间已经由字符串转换为日期，转换过程中不符合日期格式的数值会被转换为空值，需要将其删除。

5）数据排序

打印排序之前的数据集

通过代码让数据集按销售日期进行排序

打印排序后的数据集

进行排序之后，各行的索引值还是之前的行号，需要将其修改为从0到N按顺序的索引值

6）异常值处理

使用描述指标，查看哪些数据存在异常

对异常值进行处理之后，再使用描述指标查询一次，无异常值

4、构建模型

业务指标1：月均消费次数=总消费次数/月份数

业务指标2：月均消费金额 = 总消费金额 / 月份数

业务指标3：客单价=总消费金额/总消费次数

业务指标4：消费趋势（绘制折线图）

5、数据可视化

消费趋势和数据可视化将在后期课程学习。

补充知识点：

None和NaN的区别