由于本部分原本对应教材/Lecture内容过于基础
只要会python基本都能明白，故笔者考虑对笔记内容进行调整——在这里放一些python numpy/pandas库以及r语言相关代码，顺带可以比较二者的差异。
大致对应教材第3~6节内容。四舍五入就是统计软件笔记
编程基础
-
数学运算
2 + 3 2 - 3 2 * 3 7 / 3 7 % 3 2 ** 0.52 + 3 2 - 3 2 * 3 7 / 3 7 %% 3 2 ** 0.5 # 或 2 ^ 0.5 -
名称赋值
a = 10 b = 20 print(a + b) # 30a <- 10 b <- 20 print(a + b) -
表达式调用（操作函数）
abs(-12) round(5 - 1.3) max(2, 2 + 3, 4) import math sqrt(9) exp(1) log(10) log10(100) sin(pi / 2) factorial(5) floor(3.14) ceil(3.14) comb(5, 2) # 组合数abs(-12) round(5 - 1.3) max(2, 2 + 3, 4) sqrt(9) # 也是基础函数，不需要导入包（下同） exp(1) log(10) log10(100) sin(pi / 2) factorial(5) floor(3.14) ceiling(3.14) choose(5, 2)补充一个公式：
百分差异（percent difference），用于衡量两个数值的相对接近程度。计算公式如下： -
表格的简单操作
设表格数据如下：Flavor Color Price strawberry pink 3.55 chocolate light brown 4.75 chocolate dark brown 5.25 strawberry pink 5.25 chocolate dark brown 5.25 bubblegum pink 4.75 import pandas as pd df = pd.read_csv("data.csv") df.head(2) # 显示前两行 df['Flavor'] # 选择指定名称的列（不影响原表，下同） df[['Flavor', 'Price']] # 选择多列 df.drop(columns = 'Color') # 拿走指定名称列 df.sort_values(by = 'Price') # 按指定列排序（默认升序） df.sort_values(by = 'Price',ascending = False) # 降序排序 df.loc[df['Flavor'] == 'chocolate'] # 筛选满足条件的行（注意大小写）df <- read.csv("data.csv") head(df, 2) df$Flavor # 或 df[["Flavor"]] df[, c("Flavor", "Price")] df[, !names(df) %in% "Color"] df[order(df$Price), ] df[order(df$Price, decreasing = TRUE), ] df[df$Flavor == "chocolate", ]
数据类型
-
数值型
x = 2 type(x) # <class 'int'> type(3/1) # <class 'float'> type(x + 2.5) # <class 'float'> -12345678900000000000.0 # -1.23456789e+19 2e306 * 100 # inf 2e-322 / 100 # 0.0 0.6666666666666666 - 0.6666666666666666123456789 # 0.0（浮点误差） "data" + " " + "science" # "data science" "That's " + str(1 + 1) + ' ' + str(True) # "That's 2 True"x <- 2 y <- 6L typeof(x) # "double" typeof(y) # "integer" class(x) # "numeric" class(y) # "integer" typeof(3/1) # "double" typeof(y+2.5) # "double" is.integer(x) # FALSE is.integer(y) # TRUE print(paste0("That's ", 1 + 1, " ", TRUE)) # "That's 2 TRUE"（用paste会加空格分隔） -
字符串型
type("yachiyo") # str "data" + " " + "science" # "data science" "That's " + str(1 + 1) + ' ' + str(True) # "That's 2 True" "louder".upper() # LOUDER m = 'machiro' m.replace('ma', 'i') # ichiroclass("yachiyo") # "character" paste("data","science") # "data science" （空格分隔） paste0("That's ", 1 + 1, " ", TRUE) # "That's 2 TRUE" toupper("louder") m <- "machiro" gsub("ma", "i", m) -
比较
3 > 1 + 1 # True 3 != 2 # True 1 < 1 + 3 < 2 # False （python支持链式比较） "Dog" > "Catastrophe" > "Cat" # True3 > 1 + 1 3 != 2 1 < 1 + 3 && 1 + 3 < 2 # r不支持链式比较 "Dog" > "Catastrophe" && "Catastrophe" > "Cat"
序列
-
数组
import numpy as np baseline_high = 14.48 highs = np.array([baseline_high - 0.880, baseline_high - 0.093, baseline_high + 0.105, baseline_high + 0.684]) # 要求元素数据类型相同（若类型不同会强制转换） highs.item(1) # 14.387（或者用highs[1]） len(highs) # 或者highs.size sum(highs)/len(highs) # 14.434000000000001（也可用np.average(highs)） (9/5) * highs + 32 # [56.48 57.8966 58.253 59.2952] np.diff(highs) # [0.787, 0.198, 0.579] baseline_low = 3.00 lows = np.array([baseline_low - 0.872, baseline_low - 0.629, baseline_low - 0.126, baseline_low + 0.728]) highs - lows # [11.472, 12.016, 11.711, 11.436]baseline_high <- 14.48 highs <- c(baseline_high - 0.880, baseline_high - 0.093, baseline_high + 0.105, baseline_high + 0.684) highs[1] length(highs) (9/5) * highs + 32 mean(highs) diff(highs) baseline_low <- 3.00 lows <- c(baseline_low - 0.872, baseline_low - 0.629, baseline_low - 0.126, baseline_low + 0.728) highs - lows # [11.472, 12.016, 11.711, 11.436] （要求两个数组长度相同）更多关于numpy的函数可参见numpy官方文档
-
range
import numpy as np np.arange(5) # [0, 1, 2, 3, 4] np.arange(3, 9, 2) # [3, 5, 7] np.arange(1.5, -2, -0.5) # [ 1.5, 1. , 0.5, 0. , -0.5, -1. , -1.5]0:4 # 或 seq(0, 4) 或 seq_len(5) - 1 seq(3, 8, by = 2) seq(1.5, by = -0.5, length.out = 7)
表格（更多的表格操作）
-
创建与编辑表格
import pandas as pd df = pd.DataFrame() # 创建空表格 df = pd.DataFrame({'Number of petals': [8, 34, 5],'Name': ['lotus', 'sunflower', 'rose']}) # 导入列名数据 df['Color'] = ['pink', 'yellow', 'red'] # 增加新列（改变df） flowers = df.assign(Color=['pink', 'yellow', 'red']) # 不改变dfdf <- data.frame() df <- data.frame( Number.of.petals = c(8, 34, 5), Name = c('lotus', 'sunflower', 'rose') ) df$Color <- c('pink', 'yellow', 'red') flowers <- df # 复制df（默认不修改原对象） # 或使用 flowers <- transform(df, Color = c('pink', 'yellow', 'red')) -
读取与处理表格数据
import pandas as pd df = pd.read_table('data.csv', delimiter=',', index_col=false, nrows=5) # 取第一列为索引 df.rename(columns={'a': 'A', 'b': 'B'}, inplace=False) # 修改指定列名（不覆盖原表） df.columns[1] # 获取列index=1的列名 df.iloc[:,1] # 返回列index=1的数据 df.iloc[:,1].iloc[2] # 返回列index=1,行index=2的数据 df.shape # 获取dataframe大小 styled_df = df.style.format({'Rate': '{:.2%}'}) # 转换为百分比 df[df['A'].str.contains('C', na=False, regex=False)] # 筛选指定列中包含指定字符串的行（可设置正则表达式）library(tidyverse) library(formattable) df <- read_csv('data.csv', n_max = 5) df_renamed <- df %>% rename(A = a, B = b) colnames(df)[2] # 或 names(df)[2] df[[2]] # 或 df[, 2, drop = TRUE] df[[2]][3] # 或 df[3, 2] dim(df) # 维数（行数为nrow(df)，列数为ncol(df)） # 输出: 3 styled_df <- df %>% formattable::formattable(list(Rate = percent)) df %>% filter(str_detect(A, fixed("C")) & !is.na(A))