数据分析（二）——numpy

numpy：一个在Python中做科学计算的基础库，重在数值计算，也是大部分Python科学计算库的基础库，多用于在大型、多维数组上执行运算。

一、numpy的数组创建

1）数组的创建

import random
import numpy as np

#使用numpy生成数组，得到ndarray类型
t1=np.array([1,2,3])
print(t1)
print(type(t1))

t2=np.array(range(10))
print(t2)
print(type(t2))

t3=np.arange(10)
print(t3)
print(type(t3))

t4=np.arange(4,10,2)
print(t4)
print(t4.dtype)

#numpy中的数据类型
t5=np.array(range(1,4),dtype=float)
print(t5)
print(t5.dtype)

t6=np.array([1,1,0,1,0,0],dtype=bool)
print(t6)
print(t6.dtype)
#调整数据类型
t7=t6.astype("int32")
print(t7)

#numpy中的小数
t8=np.array([random.random() for i in range(10)])
print(t8)
print(t8.dtype)

t9=np.round(t8,2)  #round保留小数
print(t9)

结果：

 

 numpy中常见的更多数据类型：

 2）数组的形状

import random
import numpy as np

t1=np.arange(12)
print(t1)
print(t1.shape)

#二维数组
t2=np.array([[1,2,3],[4,5,6]])
print(t2)
print(t2.shape)   #结果第一个数表示行数，第二个表示列数

#三维数组
t3=np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])
print(t3)
print(t3.shape)    #结果第一个数为块数，第二个表示为每一块中的行数，第三个数表示每一块中的列数

t4=np.arange(12)
print(t4)

#修改数组
t5=t4.reshape((3,4))
print(t5)

t6=t5.flatten()  #将t5展开成一维数组
print(t6)

结果：

3）numpy读取本地数据和索引

1，轴（axis)

在numpy中可以理解为方向，使用0，1，2......数字表示，对于一个一维数组，只有一个0轴，对于二维数组(shape(2,2))，有0轴和1轴，对于三维数组(shape(2,2,3)),有0，1，2轴

 

 

 2，读取数据

np.loadtxt(frame,dtype=np.float,delimliter=None,skiprows=0,usecols=None,unpack=False)

 

3）索引和切片

import random
import numpy as np

#创建数组
t1=np.array([random.randint(1,10) for i in range(12)])
print(t1)

#数组修改
t2=t1.reshape((4,3))
print(t2)
print("*"*30)

#取行
print(t2[2])  #从0开始
print("*"*30)
#取连续多行
print(t2[2:])
print("*"*30)
#取不连续多行
print(t2[[0,1,3]])
print("*"*30)
#取列
print(t2[:,0])

#取多个不相邻的点
a=t2[[0,1,2],[2,1,0]]   #注意，此时取得点为(0,2),(1,1),(2,0)
print(a)

结果： 

4）数值的修改

import random
import numpy as np

#创建数组
t1=np.array([random.randint(1,10) for i in range(12)])
print(t1)

#数组修改
t2=t1.reshape((4,3))
print(t2)
print("*"*30)

#数值的修改
t2[t2<5]=0  #布尔索引
print(t2)
print("*"*30)

print(np.where(t2<=3,0,10))  #三元运算符
print("*"*30)

print(t2.clip(3,6))  #clip裁剪，比3小的为3，比6大的为6

 结果：

5）数组拼接与行列交换

import random
import numpy as np

#创建二维数组
t1=np.array([[0,1,2,3,4,5],
            [6,7,8,9,10,11]])

t2=np.arange(12,24)
t2=t2.reshape(2,6)

#数组的拼接
t3=np.vstack((t1,t2))  #竖直拼接
print(t3)
print("*"*50)

t4=np.hstack((t1,t2))   #水平拼接
print(t4)
print("*"*50)

#数组的行列交换
t1[[0,1],:]=t1[[1,0],:]   #行交换
print(t1)

t2[:,[0,2]]=t2[:,[2,0]]   #列交换
print(t2)

 结果：

6）numpy更多好用的方法

 

 生成随机数：

numpy的注意点copy和view:

1. a=b完全不复制，a和b相互影响
2. a=b[:],视图的操作，一种切片，会创建新的对象a，但是a的数据完全由b保管，他们两个的数据变化是一致的
3. a=b.copy(),复制，a和b互不影响

7）numpy中的nan的注意点

1. 两个nan是不相等的
2. np.nan!=np.nan
3. 利用以上的特性，判断数组中nan的个数
4. 由于第二点，那么在判断一个数字是否为nan时可以通过np.isnan()来判断，返回bool类型
5. nan和任何值计算都为nan

8）numpy中常用的统计函数