Numpy学习下 Task 5

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？