数据分析之python数据计算方法上篇(math|numpy)

最新推荐文章于 2024-05-20 12:27:55 发布

Backup and share

最新推荐文章于 2024-05-20 12:27:55 发布

阅读量918

点赞数 2

分类专栏： Python数据分析文章标签： python 数据分析开发语言

本文链接：https://blog.csdn.net/ISIS7Protessional/article/details/124714188

版权

Python数据分析专栏收录该内容

9 篇文章 0 订阅

订阅专栏

本文介绍了Python中用于数据计算的math库，涉及基本数学函数如取整、对数和绝对值，以及numpy库的多维数组操作、数据类型、索引切片、转置与轴对换、数组运算和统计函数等内容。后续章节将介绍pandas库。

摘要由CSDN通过智能技术生成

本文介绍用于python数据计算的两个库 math、numpy。下篇将介绍pandas。

一、math库

数据分析常用函数：

import math
math.ceil(a) #向上取整
math.floor(a) #向下取整
math.e #e值
math.exp(a) #e的a次方
math.fabs(a) #a的绝对值
math.log10(100) # 2.0, 100以10为底的对数
math.log(100,10) # 2.0, 100以10为底的对数
math.log(math.e) # 1.0, 底不写时默认为e，同数学中ln

二、numpy库

全名Numeric Python，开源的Python科学计算库。核心是ndarray对象，即多维数组（N-dimensional array）
创建数组
1. arr = np.array(list1) #np.array是用于创建ndarray对象的函数;list1=[[1,2,3,4],[5,6,7,8]]
2. np.arange(10) #输出array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
3. np.arange(32).reshape((8, 4)) #
4. np.zeros(10)，np.zeros((3, 6)) #创建指定长度或形状的全0数组
5. np.ones(10)，np.ones((3, 6)) #创建指定长度或形状的全1数组
6. np.empty((2,3,2)) #创建指定长度或形状的无具体值的数组【一般为未初始化的垃圾值】
7. eye，identity #N*N单位矩阵（对角线为1，其余为0）
维度大小及数据类型
1. arr.shape #(2, 4) 返回元组，表示各维度大小
2. arr.dtype #dtype(‘int64’) 查看数组数据类型
3. arr.astype(np.float) #注：显示转换数据类型，调用astype会创建一个新的数组
索引和切片
1. 一维数组切片表面上和列表切片差不多
2. arr[5:8] 数组切片是原始数组的视图，视图上修改会直接反映到源数组上。
3. arr[5:8].copy() 若要复制而不要视图，需显示进行复制操作
4. arr[0][2] or arr[0, 2] 选取单个元素
5. 布尔型数组，布尔算术运算符：&和， |或
6. data[data < 0] = 0
7. arr[[0,1],[1,2]]花式索引：array([[1, 2, 3, 4],[5, 6, 7, 8]])=>array([2, 7])指利用整数数组进行索引 #和切片不同，花式索引总是将数据复制到新数组中【详细参考https://zhuanlan.zhihu.com/p/123858781】
8. 负数索引：从末尾开始索引，-1指末尾
9. np.ix_ 函数
数组转置和轴对换
1. 转置transpose-重塑的特殊形式，返回源数据的视图
  1. arr.T 简单转置-进行轴对换
    1. np.dot(arr.T, arr) 计算矩阵内积（ X^T*X）
2. arr.swapaxes(1,2) #也是返回视图
数组运算
1. 大小相等数组间运算会将运算应用到元素级
2. 数组与标量的算术运算也会将标量值传播到各个元素
3. 不同大小数组间运算叫做广播
通用函数（ufunc）：快速的元素级数组函数
1. 一元ufunc：
  1. np.square(arr) 平方
  2. np.sqrt(arr) 平方根
  3. np.exp(arr) 指数
  4. np.modf(arr) 将数组的小数和整数部分以两个独立数组的形式返回
  5. ~
2. 二元ufunc：
  1. np.add(arr1,arr2) 相加
  2. np.subtract(arr1,arr2) 相减前-后
  3. np.maximum(arr1,arr2) 元素级都取最大值
  4. np.power(arr1,arr2) arr1的arr2次方
  5. ~【更多参考 https://blog.csdn.net/weixin_42109859/article/details/105471249】
统计函数
1. arr.sum() 求和
2. arr.min() 最小值
3. arr.max() 最大值
4. arr.mean() 平均值
5. arr.var() 方差
6. arr.std() 标准差
随机函数
1. np.random.rand() #0.786473418401515
2. np.random.rand(3, 4) #3行4列数组，[0,1)间随机数均匀分布组成
3. np.random.randn(3, 4) #3行4列数组，正态分布组成
4. np.random.randint(80, 90, (3, 4)) #3行4列数组，[80,90)间整数组成
5. np.random.seed(100) np.random.rand(3, 4) #seed初始化种子后，同一环境下随机结果相同
6. 【更多参考 https://blog.csdn.net/weixin_43092663/article/details/123828951】
文件读写
1. 读：arr2 = np.loadtxt(‘./infile.txt’, delimiter=‘,’) #infile文件的内容逗号分隔形式加载到数组arr2
2. 写：np.savetxt(‘./outfile.txt’, arr, delimiter=‘,’, fmt=‘%d’) #arr数组以整数形式逗号分隔保存到outfile文件中【更多参考 https://blog.csdn.net/weixin_44258187/article/details/85835429】