今天是最后numpy组队学习最后一个任务,大作业,开搞!
引入必备的包
import pandas as pd
from numpy import genfromtxt
1. 导入鸢尾属植物数据集,保持文本不变。
【知识点:输入和输出】
- 如何导入存在数字和文本的数据集?
# numpy
# names=True:带标题
# dtype=None:让numpy智能地猜测数据类型
# encoding=None:去掉warnings,跟随系统编码
# numpy
from numpy import genfromtxt
iris_np = genfromtxt('./iris.data', delimiter=',', dtype=None, encoding=None)
iris_np = iris_np[1:,:-1]
iris_np = np.array(iris_np, dtype=np.float)
2. 求出鸢尾属植物萼片长度的平均值、中位数和标准差(第1列,sepallength)
【知识点:统计相关】
- 如何计算numpy数组的均值,中位数,标准差?
sepallength = iris_np[:,0]
sepalwidth = iris_np[:,1]
petallength = iris_np[:,2]
print("均值={:.2f},中位数={:.2f},标准差={:.2f}".format(
sepallength.mean(), np.median(sepallength), sepallength.std()))
3. 创建一种标准化形式的鸢尾属植物萼片长度,其值正好介于0和1之间,这样最小值为0,最大值为1(第1列,sepallength)。
【知识点:统计相关】
- 如何标准化数组?
sepallength_norm = (sepallength - sepallength.min()) / (sepallength.max() - sepallength.min())
4. 找到鸢尾属植物萼片长度的第5和第95百分位数(第1列,sepallength)。
【知识点:统计相关】
- 如何找到numpy数组的百分位数?
这道题不是很明白,是长度排名第5%和第95%的数字吗?
5. 把iris_data数据集中的20个随机位置修改为np.nan值。
【知识点:随机抽样】
- 如何在数组中的随机位置修改值?
numpy.random.choice(a, size=None, replace=True, p=None)
Generates a random sample from a given 1-D array.从序列中获取元素,若
a
为整数,元素取值从np.range(a)
中随机获取;若a
为数组,取值从a
数组元素中随机获取。该函数还可以控制生成数组中的元素是否重复replace
,以及选取元素的概率p
。
idx = np.random.choice(len(sepallength), size=20)
sepallength[idx] = np.nan
6. 在iris_data的sepallength中查找缺失值的个数和位置(第1列)。
【知识点:逻辑函数、搜索】
- 如何在numpy数组中找到缺失值的位置?
np.isnan
:判断每一位是否为nan
np.where
:找到数组中非零元素的索引
nan_idx = np.argwhere(np.isnan(sepallength))
7. 筛选具有 sepallength(第1列)< 5.0 并且 petallength(第3列)> 1.5 的 iris_data行。
【知识点:搜索】
- 如何根据两个或多个条件筛选numpy数组?
1.先找到两种情况各自成立得到结果
2.
np.bitwise_and
:按位与
np.argwhere(np.bitwise_and(petallength>1.5,sepallength<5.0))
8. 选择没有任何 nan 值的 iris_data行。
【知识点:逻辑函数、搜索】
- 如何从numpy数组中删除包含缺失值的行?
iris_np = iris_np[~(np.isnan(iris_np).any(1))]
9. 计算 iris_data 中sepalLength(第1列)和petalLength(第3列)之间的相关系数。
【知识点:统计相关】
- 如何计算numpy数组两列之间的相关系数?
np.corrcoef(iris_np[:,0], iris_np[:,2])
10. 找出iris_data是否有任何缺失值。
【知识点:逻辑函数】
- 如何查找给定数组是否具有空值?
np.any(np.isnan(iris_np))
11. 在numpy数组中将所有出现的nan替换为0。
【知识点:逻辑函数】
- 如何在numpy数组中用0替换所有缺失值?
idx = np.argwhere(np.isnan(iris_np))
iris_np[idx]=0
12. 找出鸢尾属植物物种中的唯一值和唯一值出现的数量。
【知识点:数组操作】
- 如何在numpy数组中查找唯一值的计数?
最近工作较忙,先打卡到这里了,明天再补吧。
13. 将 iris_data 的花瓣长度(第3列)以形成分类变量的形式显示。定义:Less than 3 --> ‘small’;3-5 --> ‘medium’;’>=5 --> ‘large’。
【知识点:统计相关】
- 如何将数字转换为分类(文本)数组?
14. 在 iris_data 中创建一个新列,其中 volume 是 (pi x petallength x sepallength ^ 2)/ 3
。
【知识点:数组操作】
- 如何从numpy数组的现有列创建新列?
15. 随机抽鸢尾属植物的种类,使得Iris-setosa的数量是Iris-versicolor和Iris-virginica数量的两倍。
【知识点:随机抽样】
- 如何在numpy中进行概率抽样?
16. 根据 sepallength 列对数据集进行排序。
【知识点:排序】
- 如何按列对2D数组进行排序?
17. 在鸢尾属植物数据集中找到最常见的花瓣长度值(第3列)。
【知识点:数组操作】
- 如何在numpy数组中找出出现次数最多的值?
18. 在鸢尾花数据集的 petalwidth(第4列)中查找第一次出现的值大于1.0的位置。
【知识点:搜索】
- 如何找到第一次出现大于给定值的位置?