Learning Datascience -Day 3

DAY 3

import numpy as np

import pandas as pd

In [2]:

arr1=np.arange(1,11)

In [3]:

arr1

Out[3]:

array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10])

In [4]:

arr1>5

Out[4]:

array([False, False, False, False, False,  True,  True,  True,  True,

        True])

In [7]:

arr1[arr1>5]

Out[7]:

array([ 6,  7,  8,  9, 10])

In [8]:

a=np.array([1,6,9,2,5,4,2,3,8,6,9,10])

In [9]:

np.argsort(a)

Out[9]:

array([ 0,  3,  6,  7,  5,  4,  1,  9,  8,  2, 10, 11], dtype=int64)

In [11]:

a.min()

Out[11]:

1

In [12]:

np.argmin(a)

Out[12]:

0

In [13]:

np.argmax(a)

Out[13]:

11

In [14]:

a.mean()

Out[14]:

5.416666666666667

In [15]:

data=[10,20,30,40]

data

Out[15]:

[10, 20, 30, 40]

In [16]:

s1=pd.Series(data)

In [18]:

s1

Out[18]:

0    10

1    20

2    30

3    40

dtype: int64

In [19]:

index=['a','b','c','d']

In [25]:

s2=pd.Series(data,index)

s2

Out[26]:

a    10

b    20

c    30

d    40

dtype: int64

In [28]:

dict1={'a':11,'b':12,'c':13}

In [29]:

s3=pd.Series(dict1)

In [30]:

s3

Out[30]:

a    11

b    12

c    13

dtype: int64

In [31]:

s4=pd.Series({'c':10,'d':20,'e':30})

In [32]:

s4

Out[32]:

c    10

d    20

e    30

dtype: int64

In [33]:

s3+s4

Out[33]:

a     NaN

b     NaN

c    23.0

d     NaN

e     NaN

dtype: float64

In [34]:

s3-s4

Out[34]:

a    NaN

b    NaN

c    3.0

d    NaN

e    NaN

dtype: float64

In [36]:

narr1=np.random.rand(5,4)

In [38]:

narr1

Out[38]:

array([[0.05277813, 0.35541549, 0.4595262 , 0.13518939],

       [0.32446629, 0.57589738, 0.50625952, 0.08349814],

       [0.60519331, 0.17721401, 0.1648621 , 0.76239377],

       [0.30760757, 0.43770451, 0.97628912, 0.61693768],

       [0.21756238, 0.08596773, 0.28403506, 0.14878118]])

In [39]:

index=['a','b','c','d','e']

In [40]:

df=pd.DataFrame(narr1,index)

In [41]:

df

Out[41]:

	0	1	2	3
a	0.052778	0.355415	0.459526	0.135189
b	0.324466	0.575897	0.506260	0.083498
c	0.605193	0.177214	0.164862	0.762394
d	0.307608	0.437705	0.976289	0.616938
e	0.217562	0.085968	0.284035	0.148781

In [42]:

col=['c1','c2','c3','c4']

In [43]:

df1=pd.DataFrame(narr1,index,col)

In [44]:

df1

Out[44]:

	c1	c2	c3	c4
a	0.052778	0.355415	0.459526	0.135189
b	0.324466	0.575897	0.506260	0.083498
c	0.605193	0.177214	0.164862	0.762394
d	0.307608	0.437705	0.976289	0.616938
e	0.217562	0.085968	0.284035	0.148781

In [46]:

df.to_excel("test1.xlsx")

In [ ]: