Numpy教材知识（3）

数组的读 / 写

NumPy提供了多种文件操作函数存取数组内容。文件存取的格式分为两类；二造制和文本。

1. 读/写二进制文件
二进制格式的文件又分为NumPy专用的格式化一进制类刑和无格式类型，NumPy中读/写二进制文件的方法有以下两种。

执行代码	说明
NumPy. load(”文件名，npy”)	从二进制的文件中读取数据
NumPy. save(”文件名[.npy]”，arr)	以二进制的格式保存数据

它们会自动处理元素类型和shape等信息，使用它们读/写数组就非堂方便，但是np.save输出的文件很难用其他语言编写的程序读入。

例题1：（数组的读/写）

a = np.arange(1, 13).reshape(3，4)
print(a)
np. save('arr. npy', a) 
c = np. load( 'arr.npy')
print(c)

例题2：（多个数组保存）

a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.arange(0, 1.0, 0.1)
C = np.sin(b)                   #长度为10
print(C)
np.savez('result.npz', a, b, sin_array =C) 
r = np.load('result.npz')
print(r['arr_0'])                 #数组a

2.读/写文本文件
NumPy中读/写文本文件的主要方法有以下几种。

执行代码	说明
NumPy, loadtxt("../tmp/arr.txt",delimiter=", ")	把文件加载到一个二维数组中
NumPy. savetxt("../tmp/arr.txt", arr, fmt="%d", delimiter=", ")	将数组写到某种分隔符隔开的文本文件中
NumPy. genfromtxt("../tmp/arr.txt"，delimiter="，”)	结构化数组和缺失数据

例题3：（读/写文本文件）

a = np.arange(0, 12, 0.5).reshape(4, -1)
np.savetxt("D:/VC/CSDN/al-out.txt", a)
#默认按照’.18e'格式保存数值
np.savetxt("D:/VC/CSDN/a2-out.txt", a, fmt="%d", delimiter=",")
#改为保存为整数，以逗号分隔
array = np.loadtxt("D:/VC/CSDN/a2-out.txt", delimiter=",")
#读入的时候也需要指定逗号分隔
print('array:', array)

3.读取CSV文件

读取CSV文件格式：
comments ='#',delimiter =None,converters -None, skiprows=0, loadtxt(fname, dtype=,
usecols = None, unpack = False, ndmin = 0, encoding = 'bytes')

主要参数及其说明

参数	说明
fname	str，读取的CSV文件名
delimiter	str，数据的分隔符
usecols	tuple（元组），执行加载数据文件中的哪些列
unpack	bool，是否将加载的数据拆分为多个组，True表示拆，False表示不拆
skiprows	int，跳过多少行，一般用于跳过前几行的描述性文字
encoding	bytes，编码格式

Numpy中的数据统计与分析

1.排序

Numpy的常用排序方式

直接排序：	sort函数
间接排序：	argsort函数
	lexsort函数

（1）sort函数是最常用的排序方法，函数调用改变原始数组，无返回值。
格式：numpy. sort(a, axis, kind, order)

sort函数主要参数及其说明

参数	说明
a	要排序的数组
axis	使得sort函数可以沿着指定轴对数据集进行排序 axis=1为沿横轴排序； axis=0为沿纵轴排序； axis=None, 将数组平坦化之后进行排序。
kind	排序算法，默认为 quicksort
order	如果数组包含字段，则是要排序的字段

例题4：（使用sort函数进行排序）

arr = np.array([7, 9, 5,2, 9,4, 3, 1,4,3])
print('原数组:', arr)
arr.sort()
print('排序后：',arr)

例题5：（带轴向参数的sort排序）

arr = np.array([[4, 2, 9,5],[6,4,8,3],[1,6,2,4]])
print('原数组：\n', arr)
arr.sort(axis =1) #沿横向排序
print('排序后：',arr)

（2）使用argsort和lexsort函数，可以在给定一个或多个键时，得到一个由整数构成的
索引数组，索引值表示数据在新的序列中的位置。

例题6：（argsort函数）

arr = np.array([7, 9, 5, 2, 9, 4, 3, 1, 4, 3])
print('原数组:', arr)
print('排序后：',arr.argsort())
#返回值为数组排序后的下标排列
print('显示较大的5个数:',arr[arr.argsort()][-5:])

例题7：（lexsort函数）

 a= [1,5, 7,2,3,-2,4]
b=[9,5,2,0,6,8,7]
ind = np.lexsort((b,a))
print('ind:',ind)
tmp = [(a[i],b[i])for i in ind]
print('tmp:',tmp)

2.重复数据与去重

（1）在数据统计分析中，需要提前将重复数据剔除。在NumPy中，可以通过unique数找到数组中的唯一值并返回已排序的结果，其中的参数return_counts设置为True时可以返回每个取值出现的次数。

例题8：（数组内数据去重）

names = np.array(['红色','蓝色','蓝色','白色','红色','红色'])
print('原数组：',names)
print('去重后的数组：',np.unique(names))

（2）统计分析中有时需要把一个数据重复若干次，在NumPy中主要使用 tile和repeat函数实现数据重复。

函数	格式	说明
tile	numpy. tile(A, reps)	A表示要重复的数组; reps表示重复次数。
repeat	numpy. repeat(a, reps, axis = None)	a是需要重复的数组元素; reps是重复次数; axis指定沿着哪个轴进行重复：axis=0表示按行进行元素重复，axis=1表示按列进行元素重复。

例题9：（使用title函数实现数据重复）

arr=np.arange(5)
print('原数组：',arr)
wy=np.tile(arr,3)
print('重复数据处理：\n',wy)

例题10：（使用repeat函数实现数据重复）

arr = np.arange(5)
print('原数组：',arr)
wy = np.tile(arr, 3)
print('重复数据处理：\n',wy)
arr2 = np.array([[1, 2,3],[4, 5,6]])
print('重复数据处理:\n',arr2.repeat(2,axis=0))

常用统计函数

NumPy中提供了很多用于统计分析的函数，常见的有sum、mean、std、var、min和max等。几乎所有的统计函数在针对二维数组时都需要注意轴的概念。当axis参数为0时，表示沿着纵轴进行计算；当axis=1时表示沿横轴进行计算。

例题11：（常用统计函数示例）

arr = np.arange(20).reshape(4,5)
print('创建的数组：\n',arr)
print('数组的和：',np.sum(arr))
print('数组纵轴的和：',np.sum(arr, axis=0))
print('数组横轴的和：',np.sum(arr,axis=1))
print('数组的均值：',np.mean(arr))
print('数组横轴的均值:',np.mean(arr, axis=1))
print('数组的标准差：',np.std(arr))
print('数组横轴的标准差：',np.std(arr, axis=1))