Python数据分析与处理2

CSV文件
CSV（Comma-Separated Value,逗号分隔值）是一种常见的文件格式，用来存储批量数据。

import numpy as np
a = np.random.randint(0,12,(3,4))
print(a)
a1 = a.sum()
b1 = a.mean()
c1 = a.var()
f1 = np.hstack((a1,b1,c1))
print(f1)
np.savetxt('work/put.csv', f1, fmt="%.2f", delimiter=',' )
#np.savetxt('work/put.csv'  存储位置, f1  存储文件的数组, fmt="%.2f", delimiter=',' )

CSV文件的局限性
CSV只能有效存储一维和二维数组。np.savetxt()、np.loadtxt()只能有效存取一维和二维数组。

Numpy的随机数函数
Numpy的random子库

基本格式：np.random.* : np.random.rand()、np.random.randn()、np.random.randint()

np.random的随机数函数

rand(d0,d1, ... ,dn)    根据d0 - dn 创建随机数组，浮点数，[0,1)，均匀分布
randn(d0,d1, ... ,dn)    根据d0 - dn创建随机数组，标准正态分布
randint(low,[,high,shape])    根据shape创建随机整数或整数数组，范围是[low,high]
seed(s)    随机数种子，s是给定的种子值
NumPy的统计函数
Numpy直接提供的统计类函数

基本格式：np.*

  np.std()、np.var()、np.average()

np.random的统计函数

sum(a,axis=None)    根据给定轴axis计算数组a相关元素之和，axis整数或元组
mean(a,axis=None)    根据给定轴axis计算数组a相关元素的期望，axis整数或元组
average(a,axis=None,weights=None)    根据给定轴axis计算数组a相关元素的加权平均值
std(a,axis=None)    根据给定轴axis计算数组a相关元素的标准差
var(a,axis=None)    根据给定轴axis计算数组a相关元素的方差
axis=None是统计函数的标配参数，表示对每个元素进行计算。
 

import numpy as np
a = np.random.randint(0,12,(3,4))
print(a)
a1 = a.sum()
print(a1)
b1 = a.mean()
print(b1)
c1 = a.var()
print(c1)
运行结果

[[ 2  2  7  6]
 [11  2  9 10]
 [ 6  2  4  9]]
70
5.833333333333333
10.638888888888888