数据可视化分析之numpy

创建数组

• numpy.array()
  • numpy.array([1,2,3,4,5],dtype=“int”)
  • numpy.array(range(10),dtype=“float”)
• numpy.arange((10),dtype=“int”)
• 修改数组数据类型 array1.astype(“int”)

数组形状

• array1.shape 返回一个元组（行数，列数）
• array1.reshape() 修改数组形状 一维数组：一个数 二维数组： 行数，列数 三维数组：模块数，行数，列数
• array1.flatten() 将数组展开 变为一维数组

数组计算

• 与数字计算 array1 + 2
  • 数组内全部元素都+2
• 数组与数组 array1+array2
  • 对应位元素运算 （两数组形状相同）
  • 一维数组和二维数组运算：每组元素个数相同(列数相同)
  • 二维数组和三维数组运算：行数和列数相同

切片和索引

• 索引

  • array[2,3] 一个元素
  • array[[0,5],[1,3]] 多个元素

• 选择行

  • array[2] 指定一行
  • array[2:] 指定连续多行
  • array[[1,3,5]] 指定不连续多行

• 选择列

  • array[:,2] 指定1列
  • array[:,2:] 指定连续多列
  • array[:,[1,3,5]] 指定不连续多列

赋值

• array[2,3] = 10

布尔索引

• array[array > 10] 数组中大于10的元素返回True 反之返回False
  • array[array>10] = 10 将大于10 的数赋值为0

三元运算符

• a = 3 if 3>2 else 4 判断条件True a=3 False a=4
• array = numpy.where(a>10,0,1) numpy中的三元运算符

裁剪

• array.clip 将小于10的替换成10 将大于20的替换成20
• 不会修改原数组

转置

• array.T 行变为列 列变为行
• array.transpose()
• array.swapaxes(1,0)

读取本地文件

• ar = numpy.loadtxt(file_path,dtype=float,delimiter=None,unpack=False,encoding=‘bytes’)
  • delimiter分隔符 unpack转置(行变为列 列变为行)

nan(不是一个数)和inf(无穷)

• numpy.nan不是一个数 两两不相等
• numpy.count_nonzero(array) 计算array数组中不为0的个数 当数组中元素为0时返回True 反之False
• numpy.count_nonzero(array != array) 计算array数组中nan个数
• numpy.isnan(array) 计算array数组中nan个数

常用的统计函数

• array.sum(axis=0) 行方向求和
• numpy.median(array) 行方向求平均值
• array.mean(axis=0) 行方向求平均值
• array.max() 最大值 可传入方向
• array.min() 最小值
• numpy.ptp(array) 极差
• numpy.std(array) 标准差