关于python:Python数据分析numpy

numpy 创立数组 (矩阵)

创立数组

import numpy as np
a = np.array([1, 2, 3, 4, 5])
b = np.array(range(1, 6))
c = np.arange(1, 6)  # np.arange 用法：arange(start,stop,step,dtype=None)

数组的类名和数据的类型

In [1]: type（a）Out[1]: numpy.ndarray
In [2]: a.dtype
Out[2]: dtype('int64') # 常见类型有 int,uint(8,16,32,64),float(16,32,64,128),complex(64,128,256),bool

数据类型的操作

a = np.array([1,0,1,0], dtype=np.bool) # 创立数组时指定数据类型
a.astype(np.int8)  # 批改数组的数据类型
b = np.array([0.0485,0.2689,1.8567,0.8754])
np.round(b, 2)  # 批改浮点型小数位数 

数组的形态

a.shape  # 查看数组形态
a.reshape(2,2) # 批改数组形态
a.flatten（）# 把多维数组转化为一维数组 

数组的计算

数组和数的计算

a = np.array([1, 2, 3, 4, 5])
b = a + 1  # 按位相加
c = a * 3  # 按位相乘 

数组与数组的计算

a = np.array([[1, 2, 3, 4],
              [5, 6, 7, 8]])
b = np.array([[1, 1, 1, 1],
              [1, 1, 1, 1]])
c = np.array([1, 1, 1, 1])
d = np.array([[1],
              [1]])
O1 = a + b  # 形态雷同按位相加
O2 = a + c
O3 = a + d  # 形态不同，只有满足播送准则才可计算，O1=O2=O3

数组的转置

a.transpose()
a.swapaxes(1,0)
a.T

以上的三种办法都能够实现二维数组的转置的成果，转置和替换轴的成果一样。

numpy 索引和切片

a[1,:]  # 取一行，可简写为 a[1] 
a[:,2]  # 取一列
a[1:3,:]  # 取间断多行，可简写为 a[1：3] 
a[:,2:4]  # 取间断多列
a[[1,3],:]  # 取离散多行，可简写为 a[[1,3]]
a[:,[2,4]]  # 取离散多行
a[a<2]  # bool 索引
np.where(a<2,0,4)  # 三元运算符, 满足条件 1 替换为 0，不满足替换为 4
a.clip(2,3)  # 裁剪，大于 3 替换为 3，小于 2 替换为 2 

numpy 中的 nan 和 inf

nan(NAN,Nan):not a number，示意不是一个数字，type 类型为 float。（两个 nan 是不相等的）
inf:infinity，inf 示意正无穷，-inf 示意负无穷，type 类型为 float

np.count_nonzero(a!=a)  # 判断 a 中 nan 个数
np.isnan(a)  # 判断是否为 nan，返回 bool 类型
a[np.isnan(a)] = 0 # nan 替换为 0 

numpy 中罕用统计函数

求和：t.sum(axis=None)

均值：t.mean(axis=None)

中值：np.median(t,axis=None)

最大值：t.max(axis=None)

最小值：t.min(axis=None)

极值：np.ptp(t,axis=None) 即最大值和最小值之差

标准差：t.std(axis=None)

默认返回多维数组的全副的统计后果, 如果指定 axis 则返回一个以后轴上的后果

数组的拼接

np.vstack(a,b) # 竖直拼接
np.hstack(a,b) # 程度拼接 

数组的行列替换

a[[1,2],:] = a[[2,1],:] # 行替换
a[:,[0,2]] = a[:,[2,0]] # 列替换 

其余实用办法

1. 获取最大值最小值的地位

np.argmax(t,axis=0)

np.argmin(t,axis=1)

2. 创立一个全 0 的数组: np.zeros((3,4))

3. 创立一个全 1 的数组:np.ones((3,4))

4. 创立一个对角线为 1 的正方形数组 (方阵)：np.eye(3)

5.numpy 生成随机数

留神：numpy 的 copy 和 view

1. a=b 齐全不复制，a 和 b 相互影响
2. a = b[:], 视图的操作，一种切片，会创立新的对象 a，然而 a 的数据齐全由 b 保存，他们两个的数据变动是统一的，

3. a = b.copy(), 复制，a 和 b 互不影响

   本次分享就到这啦，如果对您有帮忙的话，麻烦点个关注再走哦~