Numpy 與 DataFrame對比與應用

（一）對比Numpty 與 DataFrame默認索引取值不同點

Numpy索引取值

#Numpy索引取值
data=np.empty((2,4),dtype=int)
print(data)
'''

[[4128860 6029375 3801157 7340124]
 [7602297 7274600 3342446      54]]
 
'''

#取行
print('取第一行結果')
print(data[0])      #[4128860 6029375 3801157 7340124]  默認data【0】拿到的是數組第一行的值
'''
取第一行結果
[4128860 6029375 3801157 7340124]

'''

#取列
print('取第一列的結果')
print(data[:,[0]])
'''
取第一列的結果
[[4128860] [7602297]]
'''

DataFrame索引取值

#Dataframe的索引取值
data=pd.DataFrame(data)
print(data)

'''原始DataFrame數組

         0        1        2        3
0  4128860  6029375  3801157  7340124
1  7602297  7274600  3342446       54

'''

#取行的值
print('取第二行的值')
print(data[1:2])
'''
取第一行的值
         0        1        2        3
0  4128860  6029375  3801157  7340124
'''


#取列的值
print('取第一列的值')
print(data[0])     #這里data【0】拿到的是第一列的值 '''
取第一列的值
0    4128860
1    7602297
Name: 0, dtype: int32

'''

 

（二）Numpy與DataFrame之間轉換

Numpy數組：

通過Numpy生成一個隨機5行5列數組

import random
data=np.zeros((5,5),dtype=int)

通過random模塊改變數組中的每個值

for i in range(len(data)):
    for j in range(len(data[0])):
        data[i][j] = random.randint(0,5)

print(data)

'''Numpy初始的數組結構

[[1 4 4 0 2]
 [3 2 5 5 2]
 [3 4 1 5 5]
 [2 3 1 0 1]
 [4 4 1 1 1]]

'''

查看Numpy數組類型

#看Numpy初始的數組類型
print(type(data))   #<class 'numpy.ndarray'>

將Numpy數組轉為DataFrame數組：

data_new=pd.DataFrame(data)
print(data_new)

'''轉換為DataFrame之后的結構
   0  1  2  3  4
0  1  4  4  0  2
1  3  2  5  5  2
2  3  4  1  5  5
3  2  3  1  0  1
4  4  4  1  1  1

'''

查看轉換后的數組類型

#看裝換之后的數據類型
print(type(data_new))  #<class 'pandas.core.frame.DataFrame'>