Numpy：读取本地文件及数据处理，一个Python程序员的阿里面试心得

testData = np.loadtxt(testCsvFilePath,delimiter=“,”,dtype=“int”)

testData2 = np.loadtxt(testCsvFilePath,delimiter=“,”,dtype=“int”,unpack=True)

‘’’

不指定dtype类型默认使用科学计数法

delimiter=“,” 以逗号分隔，与csv文件中的分隔形式对应

skiprows=1 跳过第一行，一般跳过表头

unpack=True 数据按照属性存入不同数组变量，也可以理解为转置（行变为列，列变为行）

‘’’

print(testData)

print(testData2)

‘’'print result

[[ 1 24 50000]

[ 2 45 56000]

[ 3 29 400000]]

[[ 1 2 3]

[ 24 45 29]

[ 50000 56000 400000]]

‘’’

数据处理

===============================================================

Numpy中的转置

---

转置是一种变换，在对角线方向交换数据（行变为列，列变为行），有以下几种方法：

（1）Array.transpose()

（2）Array.swapaxes(1,0) （交换轴）

（3）Array.T

t1 = np.loadtxt(testCsvFilePath,delimiter=“,”,dtype=“int”)

print(t1.transpose())

print(t1.T)

print(t1.swapaxes(1,0))

‘’'print result

[[ 1 2 3]

[ 24 45 29]

[ 50000 56000 400000]]

[[ 1 2 3]

[ 24 45 29]

[ 50000 56000 400000]]

[[ 1 2 3]

[ 24 45 29]

[ 50000 56000 400000]]

‘’’

取行数据

---

（1）取一行数据

print(t1[num])

t1是二维数组，取一个索引值即可

（2）取连续的多行数据

print(t1[num1:num2])

使用切片，取索引值为num1到(num2-1)之间的行

（3）取不连续的多行数据

print(t1[ [2,4,6] ])

t1[ indexList ] 取索引值为indexList列表中的行

取列数据

---

（1）取一列数据

print(t1[:,num])

使用冒号，num表示取列的索引值

（2）取连续的多列数据

print(t1[:,num1:num2])

取索引值为num1到(num2-1)之间的列

（3）取不连续的多列数据

print(t1[ :,[2,4,6] ])

取索引值为2,4,6的列

取固定区域数据

---

根据坐标取值

data_1 = t1[2,4] # t1[num1,num2] 取行为num1，列为num2的数据print(t1[[0,1,2],[2,0,1]]) # 取坐标为(0,2)(1,0)(2,1)三个点

区域取值

print(t1[0:2,0:2]) # 第0行到第1行，第0列到第1列的交叉处的数据

import numpy as np

条件判断修改

---

print(a1<40)

对数组使用条件判断，即对数组中的所有数据进行条件判断，若符合条件则赋值为True，不符合赋值为False

print(a1[a1<40])

a1[ a1<40 ] = 20 # 讲a1数组中符合a1<40的数据赋值为20

print(a1)

where三元运算符

---

np.where(判断语句，data1,data2)

若数局符合判断条件，赋值为data1，否则赋值为data2

print(np.where(a2<30,0,30))

裁剪

---

array.clip(data1,data2) 将array中小于data1的数据赋值为data1，大于data2的数值赋值为data2

print(b1.clip(10,200))

获取最大值最小值的位置

---

获取最大值最小值的位置

res1 = np.argmax(c1,axis=0)

返回一个列表，里面是每一列的最大值位置

res2 = np.argmin(c1,axis=1)

返回一个列表，里面是每一行的最小值位置

print(res1)

print(res2)

创建全为0的数组

---

np.zeros( (a,b) ) a行b列的数组

zeroArray = np.zeros( (3,4) )

zeroArray = zeroArray.astype(int)

print(zeroArray)

创建全为1的数组

---

np.ones( (a,b) ) a行b列的数组

oneArray = np.ones( (3,4) ).astype(int)

print(oneArray)

创建对角线为1的方阵

---

创建一个对角线为1的正方形数组

np.eye(num) 边长为num，对角线为1，其他全为0的方阵

print(np.eye(5).astype(int))

水平拼接

---

np.hstack( (array1,array2) )

print(np.hstack((a1,a2)))

竖直拼接

---

np.vstack( (array1,array2) )

print(np.vstack((a1,a2)))

行交换

---

b1[[1,2],:] = b1[[2,1],:]

交换索引值为1和2的行数据

print(b1)

列交换

---

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

最后

🍅 硬核资料：关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。
🍅 面试题库：由技术群里的小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。
🍅 知识体系：含编程语言、算法、大数据生态圈组件（Mysql、Hive、Spark、Flink）、数据仓库、Python、前端等等。

一个人可以走的很快，但一群人才能走的更远。如果你从事以下工作或对以下感兴趣，欢迎戳这里加入程序员的圈子，让我们一起学习成长！

AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算

经典书籍PDF。

🍅 技术互助：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。
🍅 面试题库：由技术群里的小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。
🍅 知识体系：含编程语言、算法、大数据生态圈组件（Mysql、Hive、Spark、Flink）、数据仓库、Python、前端等等。

一个人可以走的很快，但一群人才能走的更远。如果你从事以下工作或对以下感兴趣，欢迎戳这里加入程序员的圈子，让我们一起学习成长！

AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算