Python数据分析----Numpy函数应用(二)

Python数据分析----Numpy函数应用(二)

---

---

提示：以下是本篇文章正文内容，下面案例可供参考 本文使用代码均适用于jupyter

重塑数组

一维转多维

~ arr.reshape(shape，order=“C”) ~

• shape为数组重塑形状
• order表示重塑方向
  1. C行方向重塑
  2. F列方向重塑

例1：

import numpy as np
arr = np.arange(6)
arr = arr.reshape(2,3)
arr

多维转一维

• arr.flatten()
• arr.ravel()

数组转置与换轴

• arr.transpose() # 转置
• arr.T # 转置
• arr.swapaxes() # 换轴

创建数组函数

函数名	描述
array	将输入数据转换为ndarray数组，自动推断数据类型，默认复制所有输入数据
asarray	将输入数据转换为ndarray数组，但输入数据已经是ndarray则不再复制
arange	arange python内建函数range的数组版，返回一个数组
zeros	根据给定形状和数据类型生成全0数组
ones	根据给定形状和数据类型生成全1数组
empty	根据给定形状和数据类型生成一个没有初始化数值的空数组
full	full 根据给定形状和数据类型生成指定数值的数组

numpy–trandom模块

np.random.random()

np.random.random(),默认随机产生[0,1) 间的数组
我们也可以规定随机产生几行几列的多维数组
图例1：

np.random.randint()

np.random.randint(),生成指定范围内地随机数数组
并且我们可以通过size参数指定维度
图例2：

np.random.randn()

np.random.randn(),生成的是均值为0 标准差为1 正太分布的随机数组
我们可以规定产生几行几列的多维数组
图例3：

np.random.normal()与np.random.randn()不同之处在于，它可以自主选择生成的数的均值和方差
且可以通过size参数进行选择数组维度
图例4：

np.random.seed()

np.random.seed()，用于指定随机数生成时所用算法开始的整数值，如果使用相同的seed()值，则每次生成的随即数都相同，如果不设置这个值，则系统根据时间来自己选择这个值，此时每次生成的随机数因时间差异而不同。一般没有特殊要求不用设置。
图例5：

随机排序

• np.random.shuffle(arr)，直接作用于原函数上进行改变
• np.random.permutation(arr) ，有返回值，不在原函数上改变

随机抽样 np.random.choice()

np.random.choice()，随机抽取数组中一个或者多个数形成一个新数组
并且可以通过size参数改变数组维度
图例6：

数据拼接与分割

改变数组维度

• reshape() 不改变原数据
• resize() 直接作用于原数据进行改变
  图例7：
  

数组的广播机制

np.vstack()

np.vstack(),对两个数组进行上下拼接
图例8：

np.hstack()

np.hstack()，对两个数组进行左右拼接
图例9：

拓展–np.concatenate((数组1,数组2),axis=0)

np.concatenate((数组1,数组2),axis=0)通过改变axis的值（0或者1）来选择是上下还是左右拼接
0是行拼接，1是列拼接
图例10：

数据分割

• np.hsplit()
• np.array_split()

图例11：