数据分析——numpy

数组的创建
一：array 创建数组
语法格式：

numpy.array(object,dtype =None,copy=True,order=None,subok=False,ndmin =0)

array参数说明

名称	描述
object	数组或嵌套的数列
dtype	数组元素的数据类型，可选
copy	对象是否需要复制，可选
order	创建数组的样式，C 为行方向，F 为列方向，A 为任意方向（默 认）
subok	默认返回一个与基类类型一致的数组
ndmin	指定生成数组的最小维度

代码示例：

import numpy as np

# 使用array函数创建一维数组
a = np.array([1,2,3,4])
print(a)
print(type(a))

# 使用array创建二维数组
b = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(b)
print(type(b))

# 使用array创建三维数组
c = np.array([[[1,2,3],[4,5,6],[7,8,9]]])
print(c)
print(type(c))

# array函数中dtype的使用
# dtype:设置数组的参数类型
d = np.array([3,4,5],dtype=float)
print(d)
print(type(d))

# array函数中的ndim的使用
# ndmin :设置数组的维度
e = np.array([5,6,7],dtype=float,ndmin=3)
print(e)
print(type(e))

结果如下：

二：使用arange 创建数组
使用 arange 函数创建数值范围并返回 ndarray 对象，函数格式如下：

numpy.arange(start,stop,step,dtype)

arange 参数说明

参数	描述
start	起始值，默认为 0
stop	终止值（不包含）
step	步长，默认为 1
dtype	返回 ndarray 的数据类型，如果没有提供，则会使用输入数据的类型。

代码示例：

# 导入numpy
# 导入numpy
import  numpy as np
# range 的使用range(start,end,step) :[start,end)
a = list((range(1,10))) #步长为1
print(a)
b = list(range(10)) #默认的是从0 开始，步长是1
print(b)
c = list(range(1,10,3)) #指定步长为3
print(c)

# 使用arange创建一维数组
a1 = np.arange(1,11)
print(a1)


# 设置step 步长
a2 = np.arange(1,11,2)
print(a2)

# 设置dtype
ac = np.arange(10,20,3,dtype=float)
print(ac)

# 使用arange创建二维数组
b=np.array([np.arange(1,4),np.arange(4,7),np.arange(7,10)])
print(b)
print('b 数组的维度：',b.shape)

结果如下：

随机数创建
格式如下：
生成随机数：
该方法返回[0.0, 1.0)范围的随机数。

 numpy.random.random(size=None) 

生成随机整数：
该方法有三个参数 low、high、size 三个参数。默认 high 是 None,如果只有 low，那 范围就是[0,low)。如果有 high，范围就是[low,high)。

numpy.random.randint() 

生成标准正态分布
语法格式：

numpy.random.randn(d0,d1,…,dn)

randn 函数返回一个或一组样本，具有标准正态分布（期望为 0，方差为 1）。
dn 表格每个维度
返回值为指定维度的 array

生成指定期望和方差的正态分布

#正太分布（高斯分布）loc：期望 scale：方差size形状 print(np.random.normal(loc=3,scale=4,size=(2,2,3))) 

代码示例如下：

import numpy as np

def creatRandom():
    # 使用random创建一维数组
    a = np.random.random(size=5) #创建5个[0,1)的数
    print(a)
    # 创建二维数组
    b = np.random.random(size=(3,4))
    print(b)
    # 创建三维数组
    c = np.random.random(size=(2,3,4))

def createRandomInt():
    # 创建随机整数
    # randint(low, high=None, size=None, dtype=int) 左闭右开
    a = np.random.randint(6,size=10) #生成10个0-5的整数
    print(a)
    print(type(a))

    #生成5-10 之间的随机整数 二维
    b = np.random.randint(5,11,size=(4,3))
    print(b)
    print(type(b))

    #生成5-10 之间的随机整数，三维
    c = np.random.randint(5,11,size=(2,4,3))
    print(c)

    # dtype 的使用
    d = np.random.randint(10,size=10)
    print('默认的dtype：',d.dtype)

    d1 = np.random.randint(10,size=5,dtype=np.int64)
    print('默认的dtype：',d1.dtype)


# createRandomInt()


def randnTest():
    # 创建标准的正太分布

    a = np.random.rand(4)
    print(a)

    # 创建二维是数组
    b = np.random.randn(2,3)
    print(b)

    c = np.random.randn(2,3,4)
    print(c)

# randnTest()

#创建指定期望和方差的正太分布
def normalTest():
    a=np.random.normal(size=5)  #默认的期望是loc=0.0  方差scale=1.0
    print(a)

    #指定期望和方差
    b=np.random.normal(loc=2,scale=3,size=(3,4))
    print(b)

normalTest()

ndarray 对象
ndarray 对象属性

属性	说明
ndarray.ndim	秩，即轴的数量或维度的数量
ndarray.shape	数组的维度，对于矩阵，n 行 m 列
ndarray.size	数组元素的总个数，相当于 .shape 中 n*m 的值
ndarray.dtype	ndarray 对象的元素类型
ndarray.itemsize	ndarray 对象中每个元素的大小，以字节为单位
ndarray.flags	ndarray 对象的内存信息
ndarray.real	ndarray 元素的实部
ndarray.imag	ndarray 元素的虚部
ndarray.data	包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。

#导入numpy
import numpy as np
#创建一维的数组
a=np.array([1,2,3,4])
print(a)
#创建二维数组
b=np.random.randint(4,10,size=(2,3))
print(b)
#创建三维数组
c=np.random.randn(2,3,4)
print(c)

#ndim属性:数组的维度
print('ndim:',a.ndim,b.ndim,c.ndim)

#shape属性：数组的形状
print('shape:',a.shape,b.shape,c.shape)

#dtype属性：数组的参数类型
print('dtype:',a.dtype,b.dtype,c.dtype)

#size 元素的总个数
print('size:',a.size,b.size,c.size)

#itemsize  每个元素所占的字节
print('itemsize:',a.itemsize,b.itemsize,c.itemsize)

其他方式创建创建数组
zeros 创建指定大小的数组，数组元素以 0 来填充：
语法格式：

numpy.zeros(shape, dtype

代码示例：

import numpy as np
x=np.zeros(5)
print(x)
#设置类型为整数
y=np.zeros((5,),dtype=int) 
print(y)

# 生成二维数组
z=np.zeros((2,2))
print(z)

结果如下：

numpy.ones 创建指定形状的数组，数组元素以 1 来填充：
语法格式：

numpy.ones(shape, dtype = None, order = 'C')

代码示例：

import numpy as np
x=np.ones(5)
print(x)
y=np.ones((3,4),dtype=int)
print(y)

结果如下：

numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的 数组，里面的元素的值是之前内存的值

numpy.empty(shape, dtype = float, order = 'C')

empty参数说明：

参数	描述
shape	数组形状
dtype	数据类型，可选
order	有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存 中的存储元素的顺序。

代码如下：

import numpy as np
x=np.empty([3,2],dtype=int)
print(x)

结果如下：

linspace 函数用于创建一个一维数组，数组是一个等差数列构成的，格式如下：

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

linspace 参数说明

参数	描述
start	序列的起始值
stop	序列的终止值，如果 endpoint 为 true，该值包含于数列中
stop	要生成的等步长的样本数量，默认为 50
endpoint	该值为 ture 时，数列中中包含 stop 值，反之不包含，默认是 True。
retstep	如果为 True 时，生成的数组中会显示间距，反之不显示。
dtype	ndarray 的数据类型

代码如下：

import numpy as np
x=np.linspace(10,20,5,endpoint=True,retstep=True)
print(x)

结果如下：

numpy.logspace 函数用于创建一个于等比数列。
格式如下：

np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

logspace 参数说明：

参数	描述
start	序列的起始值为：base ** start
stop	序列的终止值为：base ** stop。如果 endpoint 为 true，该值包含于数列中
num	要生成的等步长的样本数量，默认为 50
endpoint	该值为 ture 时，数列中中包含 stop 值，反之不包含，默认是 True。
base	对数 log 的底数
dtype	ndarray 的数据类型

代码示例：

import numpy as np
x=np.logspace(0,9,10,base=2)
print(x)

结果如下：

切片和索引

1. ndarray 对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作 一样。
2. ndarray 数组可以基于 0 - n 的下标进行索引，并设置 start, stop 及 step 参数进行，从
   原数组中切割出一个新数组。
   一维数组切片和索引的使用
   代码示例：

import numpy as np
x=np.arange(10)
y=x[2:7:2]
z=x[2:]
print(y) 
print(z)

结果如下：

根据索引直接获取
代码示例：

import numpy as np
x=np.arange(1,13)
a=x.reshape(4,3)
print('数组元素')
print(a)
print('获取第二行')
print(a[1]) 
print('获取第三行第二列')
print(a[2][1])

结果如下：

二维数组切片的使用
代码示例：

import numpy as np
x=np.arange(1,13)
a=x.reshape(4,3)
print('数组元素')
print(a)
#使用索引获取
print('所有行的第二列') 
print(a[:,1])
print('奇数行的第一列')
print(a[::2,0])

结果如下：

使用坐标获取数组[x,y]
代码示例：

import numpy as np
x=np.arange(1,13)
a=x.reshape(4,3)
#使用索引获取
print('所有行的第二列')
print(a[:,1])
print('奇数行的第一列')
print(a[::2,0])
print('获取第三行第二列')
print(a[2,1])
print('同时获取第三行第二列，第四行第一列')
print(np.array((a[2,1],a[3,0])))
print(a[(2,3),(1,0)])

结果如下：

索引为负数来获取

import numpy as np
x=np.arange(1,13)
a=x.reshape(4,3)
#使用索引获取
print('获取最后一行')
print(a[-1])
print('行进行倒序')
print(a[::-1])
print('行列都倒序')
print(a[::-1,::-1])

所有切片取出来的数组，即使你把它赋值给了新的变量，它仍有全都是原来数组的视图。
切片数组的复制
代码示例：

import numpy as np
a=np.arange(1,13).reshape(3,4)
print('数组元素')
print(a)
sub_array=a[:2,:2]
sub_array[0][0]=1000
print(a)
print(sub_array)
print('copy'*20)
sub_array=np.copy(a[:2,:2])
sub_array[0][0]=2000
print(a)
print(sub_array)

结果如下：
改变数组的维度
处理数组的一项重要工作就是改变数组的维度，包含提高数组的维度和降低数组的维 度，还包括数组的转置。Numpy 提供的大量 API 可以很轻松地完成这些数组的操作。例如， 通过 reshape 方法可以将一维数组变成二维、三维或者多维数组。通过 ravel 方法或 flatten 方法可以将多维数组变成一维数组。改变数组的维度还可以直接设置 Numpy 数组的 shape 属性（元组类型），通过 resize 方法也可以改变数组的维度

#导入numpy模块
import numpy as np
#通过reshape将一维数组修改为二、三维
#创建一个一维数组
a=np.arange(1,25)
print(a)
#将一维修改为二维 (2,12) (4,6) (3,8)
# b=a.reshape(4,6)
b=a.reshape((3,8))
print(b)

#将一维修改为三维  (2,3,4)
c=a.reshape((2,3,4))
print(c)

#通过np.reshape()进行修改
# bb=np.reshape(a,(3,8)) #将一维修改为二维
bb=np.reshape(a,(4,3,2))#将一维修改为三维
print(bb)

#将多维数组修改为一维数组
# a=bb.reshape(24)
a=bb.reshape(-1)
print(a)
#通过 ravel、flatten函数将多维数组转换为一维数组
# ravel
a=bb.ravel()
print(a)

# flatten
a=bb.flatten()
print(a)

数组的拼接
水平数组组合 通过 hstack 函数可以将两个或多个数组水平组合起来形成一个数组，那么什么叫做数组 的水平组合。
垂直数组组合 通过 vstack 函数可以将两个或多个数组垂直组合起来形成一个数组
数组的拼接：

函数	描述
concatenate	连接沿现有轴的数组序列
hstack	水平堆叠序列中的数组（列方向）
vstack	竖直堆叠序列中的数组（行方向）

numpy.concatenate 函数用于沿指定轴连接相同形状的两个或多个数组，格式如下：

numpy.concatenate((a1, a2, ...), axis)

参数说明：

• a1, a2, …：相同类型的数组
• axis：沿着它连接数组的轴，默认为 0
  concatenate 实现数组的拼接
  numpy.hstack 它通过水平堆叠来生成数组。
  numpy.vstack 它通过垂直堆叠来生成数组。

注意如果拼接的行和列数目不同，则会报错

• axis=0 可以使用 vstack 替换
• axis=1 可以使用 hstack 替换
• axis=2 可以使用 dstack 替换

#导入numpy
import numpy as np
#创建两个数组
a=np.array([[1,2,3],[4,5,6]])
b=np.array([[11,12,13],[14,15,16]])
print(a)
print(b)
#使用hstack进行水平拼接
# r=np.hstack([a,b])
r=np.hstack((a,b))
print(r)

#使用vstack进行垂直方向拼接
r=np.vstack((a,b))
print(r)

#concatenate的使用
print('axis=0 默认情况  垂直方向拼接  相当于vstack')
r1=np.concatenate((a,b),axis=0)
r2=np.concatenate((a,b))
print(r1)
print(r2)

# 二维数组有两个轴 axis=0   axis=1
print('axis=1   水平方向拼接  相当于hstack')
r3=np.concatenate((a,b),axis=1)
print(r3)

#三维数组有三个轴  axis=0 1 2
a=np.arange(1,13).reshape(1,2,6)
print(a,a.shape)
b=np.arange(101,113).reshape(1,2,6)
print(b,b.shape)
print('三维 axis=0')
r1=np.concatenate((a,b),axis=0)
print(r1,r1.shape)

print('三维 axis=1')
r2=np.concatenate((a,b),axis=1)
print(r2,r2.shape)

print('三维 axis=2')
r3=np.concatenate((a,b),axis=2)
print(r3,r3.shape)

数组的分隔
split 分隔
numpy.split 函数沿特定的轴将数组分割为子数组，格式如下：

numpy.split(ary, indices_or_sections, axis)

参数说明：

• ary：被分割的数组
• indices_or_sections：如果是一个整数，就用该数平均切分，如果是一个数组，为沿轴切分的 位置。
• axis：沿着哪个维度进行切向，默认为 0，横向切分。为 1 时，纵向切分。
  代码示例：

import numpy as np
x=np.arange(1,9)
a=np.split(x,4)
print(a)
print(a[0])
print(a[1])
print(a[2])
print(a[3]) 

#传递数组进行分隔
b=np.split(x,[3,5]) 
print(b)

结果如下：

split 分隔二维数组
代码示例：

import numpy as np
#创建两个数组
a=np.array([[1,2,3],[4,5,6],[11,12,13],[14,15,16]])
print('axis=0 垂直方向 平均分隔')
r=np.split(a,2,axis=0)
print(r[0])
print(r[1]) 
print('axis=1 水平方向 按位置分隔')
r=np.split(a,[2],axis=1)
print(r)

结果如下：
水平分隔使用 hsplit 函数可以水平分隔数组，该函数有两个参数，第 1 个参数表示待分隔的数组， 第 2 个参数表示要将数组水平分隔成几个小数组
代码示例：

import numpy as np
grid=np.arange(16).reshape(4,4) 
a,b=np.hsplit(grid,2) 
print(a) 
print(b)

结果如下：

垂直分隔数组使用 vsplit 函数可以垂直分隔数组，该函数有两个参数，第 1 个参数表示待分隔的数组， 第 2 个参数表示将数组垂直分隔成几个小数组。
代码示例：

import numpy as np
grid=np.arange(16).reshape(4,4)
a,b=np.vsplit(grid,[3])
print(a) 
print(b)
print('三部分'*10)
a,b,c=np.vsplit(grid,[1,3])
print(a)
print(b)
print(c)

结果如下：

transpose 进行转换
代码示例：

import numpy as np
#二维转置
a=np.arange(1,13).reshape(2,6)
print('原数组 a')
print(a)
print('转置后的数组')
print(a.transpose()) 
#多维数组转置
aaa=np.arange(1,37).reshape(1,3,3,4)
#将 1,3,3,4 转换为 3,3,4,1
print(np.transpose(aaa,[1,2,3,0]).shape)

结果如下：

算术函数
如果参与运算的两个对象 都是 ndarray，并且形状相同，那么会对位彼此之间进行（+ - * /）运算。NumPy 算术函数包含简单的加减乘除: add()，subtract()，multiply() 和 divide()。
代码示例：

import numpy as np
a=np.arange(9,dtype=np.float).reshape(3,3)
b=np.array([10,10,10])
print('第一个数组')
print(a)
print('第二个数组')
print(b)
print('两数组进行加法运算 add')
print(np.add(a,b))
print('两数组进行加法运算+')
print(a+b)
print('两数组进行减法运算 substract')
print(np.subtract(a,b))
print('两数组进行减法运算-')
print(a-b) 
print('两数组进行乘法运算 multiply')
print(np.multiply(a,b))
print('两数组进行乘法运算*')
print(a*b)
 # print('两数组进行除法运算')
# print(np.divide(a,b))

通用函数指定输出结果的用法
代码示例：

import numpy as np
x = np.arange(5)
y = np.empty(5)
print(y)
np.multiply(x, 10, out=y)
print(y)

结果如下：

数学函数
NumPy 提供了标准的三角函数：sin()、cos()、tan()。
代码示例：

import numpy as np
a = np.array([0,30,45,60,90])
print ('不同角度的正弦值：')
# 通过乘 pi/180 转化为弧度
print (np.sin(a*np.pi/180))
print ('数组中角度的余弦值：')
print (np.cos(a*np.pi/180))
print ('数组中角度的正切值：') 
print (np.tan(a*np.pi/180))

结果如下：

numpy.around() 函数返回指定数字的四舍五入值
语法格式：

numpy.around(a,decimals)

参数说明：

• a: 数组
• decimals: 舍入的小数位数。 默认值为 0。 如果为负，整数将四舍五入到小数点左侧的位 置
• numpy.floor() 返回数字的下舍整数。
• numpy.ceil() 返回数字的上入整数
  聚合函数

函数名	说明
np.sum()	求和
np.prod()	所有元素相乘
np.mean()	平均值
np.std()	标准差
np.var()	方差
np.median()	中数
np.power()	幂运算
np.sqrt()	开方
np.min()	最小值
np.max()	最大值
np.argmin()	最小值的下标
np.argmax()	最大值的下标
np.inf	无穷大
np.exp(10)	以 e 为底的指数
np.log(10)	对数

numpy.power() 函数将第一个输入数组中的元素作为底数，计算它与第二个输入数组中相应 元素的幂
numpy.mean() 函数返回数组中元素的算术平均值。 如果提供了轴，则沿其计算
mean()的使用：

import numpy as np
a=np.arange(1,11).reshape(2,5) 
print('原来的数组') 
print(a)
print('调用 mean 函数') 
print(np.mean(a)) 
print('调用 mean 函数 axis=0 列') 
print(np.mean(a,axis=0)) 
print('调用 mean 函数 axis=1 行') 
print(np.mean(a,axis=1))