Python｜常用基本語言

之前有提到說 Python 和 R 很像，這篇就拿 R 的基本語言那篇改寫成 Python 的用法。

Python 的 libraries 有幾個，常用的有 pandas (data structures & tools), NumPy (arrays, matrices), SciPy (integrals, optimization) 和 Matplotlib (plots, graphs)。

以下 Python 的指令都是在 Jupyter Notebook 裡執行，關於怎麼用 jupyter notebook，請參考這篇：Python | 我想玩，但要怎麼開始？

此篇的指令教學在這：Python 04
之前的入門可參考：Python 01, Python 02, Python data

在 R 裡要讀檔要先跑 library readr，叫出讀檔的功能，然後再用指令 read.csv() 讀檔。例如要用 R 讀電腦裡的 mtcar，指令如下：

library(readr) mtcars <- read_csv("~/Desktop/R program/ECOSCOPE/mtcars.csv") View(mtcars)

在 Python 裡則是用 library pandas，指令會變成：

import pandas as pd mtcars = pd.read_csv("~/Desktop/R program/ECOSCOPE/mtcars.csv") mtcars

Figure 1. Pandas - import csv file

如果想把更新後的 dataframe 輸出成 csv 檔案的話，可以用 df.to_csv()。

這邊我們把 mtcars.csv 輸出到 Python 的檔案夾。


Figure 2. Export csv file

跟 R 相同，dataframe 同樣是 df。pd.read_csv() 會預設第一行為 header，也就是 variables 的名稱，例如圖一的部分，mtcars 這個資料檔案裡是有 variable name，在第 0 行上面那行便是。但是在 autos 這個資料檔裡是沒有的，所以第一筆資料變成了 variable name (圖三)。


Figure 3. Data without headers

這筆資料太長了，我們可以選擇只看前幾列或最後幾列，這時可用 df.head(n)，看最後幾行則是用 tail.head(n) (如下圖)。在 R 裡的話，是用 head(df, n)。


Figure 4. Read head only

上圖裡還多加了一個指令，因為每次都要把路徑打出來的話太麻煩了，我們可以把路徑設成 path，之後就可以用 path 代替。

如果第一行沒有 variables 的名稱，可以在裡面加 header = None，第一行就會變成用數字代替，如圖五。


Figure 5. Data frame without headers, use header = None.

如果想要加 variable name 的話，可以用 headers =["", '' ", ...]。"" 裡面為你想取的 variable name，如下圖。


Figure 6. Data frame with new headers

接下來，我們可以把加了 variable name 的新檔案輸出去為新的 csv file。

path = "~/Desktop/Python/data/autos.csv" autos.to_csv(path)

打開 csv 檢查一下。



真的加進去了呢！

接下來，可以查檔案的 types，用的指令是 df.dtypes。


Figure 7. Check types of data frame

可以看到有的應該是數字的，卻顯示為 object，這些之後要自己改才可以執行一些運算，之前介紹 R 的時候也有提過。

我們也可以查檔案資料的 statistic summary，用的指令是 df.describe()。


Figure 8. Statistical summary of data frame

df.describe() 這個功能不會顯示非數字的 variables，如果要顯示所有的總結報告，可以在裡面加 include = "all"。


Figure 9. Statistical summary including non-numeric data. NaN = not a number.




以上，這篇就先這樣吧。