Python数据分析与展示

一、Numpy库入门

1、Numpy.array（）生成一个ndarray数组。

2、ndarray对象的属性

属性	说明
.ndim	秩，即轴的数量或维度的数量
.shape	ndarray对象的尺度，对于矩阵，n行m列
.size	ndaray对象元素的个数，相当于.shape中m*n的值
.dtype	ndarray对象的元素类型
.itemsize	ndarray对象中每个元素的大小，以字节为单位

3、ndarray数组的创建方法

（1）从Python中的列表、元组等类型创建ndarray数组

list=[1,2,3,5]
x=np.array(list,dtype=np.int32);

当np.array（）不指定dtype时，Numpy将根据数据情况关联一个dtype类型。

（2）、使用NumPy中函数创建ndarray数组

函数	说明
np.arange（n）	类似range（）函数，返回ndarray类型，元素从0到n-1（生成的元素默认是整数类型）
np.ones（shape）	根据shape生成一个全1数组，shape是元组类型（生成的元素默认是浮点数类型）
np.zeros（shape）	根据shape生成一个全0数组，shape是元组类型（生成的元素默认是浮点数类型）
np.full（shape，val）	根据shape生成一个数组，每个元素值都是val
np.eye（n）	创建一个正方的n*n单位矩阵，对角线为1，其余为0（生成的元素默认是浮点数类型）

 

print(np.ones((2,3))) //[[1. 1. 1.]
                         [1. 1. 1.]]

np.ones_like（a）	根据数组a的形状生成一个全1数组
np.zero_like（a）	根据数组a的形状生成一个全0数组
np.full_like（a，val）	根据数组a的形状生成一个数组，每个元素值都是val

np.linspace（第一个元素的起始位，终止位，元素个数）	根据起止数据等间距地填充数据，形成数组
np.concatenate（）	将两个或多个数组合并成一个新的数组

a=np.linspace(1,10,4)//array（[1. 4. 7. 10.]）
b=np.linspace(1,10,4,endpoint=False)//array（[1. 3.25 5.5 7.75]）

ndarray数组的维度变换

方法	说明
.reshape（shape）	不改变数组元素，返回一个shape形状的数组（新生成一个数组），原数组不变
.resize（shape）	与.reshape（）功能一致，但修改原数组
.swapaxes（ax1，ax2）	将数组n个维度中两个维度进行调换
.flatten（）	对数组进行降维，返回折叠后的一维数组，原数组不变

ndarray数组的类型变换

new_a=a.astype（new_type）

注意：astype（）方法一定会创建新的数组（原始数据的一个拷贝），即使两个类型一致。

ndarray数组向列表转换

Is=a.tolist（） 

4、Numpy一元函数对ndarray中的数据执行元素级运算的函数

函数	说明
np.abs（x） np.fabs（x）	计算数组各元素的绝对值
np.sqrt（x）	计算数组各元素的平方根
np.square（x）	计算数组各元素的平方，原数组不变
np.log（x） np.log10（x）np.log2（x）	计算数组各元素的自然对数、10底对数和2底对数
np.ceil（x） np.floor（x）	计算数组各元素的ceiling值或floor值

np.rint（x）	计算数组各元素的四舍五入值
np.modf（x）	将数组各元素的小数和整数部分以两个独立数组形式返回
np.cos（x） np.cosh（x） np.sin（x） np.sinh（x） np.tan（x） np.tanh（x）	计算数组各元素的普通型和双曲型三角函数
np.exp（x）	计算数组各元素的指数值
np.sign（x）	计算数组各元素的符号值，1（+），0，-1（-）

5、Numpy二元函数

函数	说明
+ - * / **	两个数组各元素进行对应运算
np.maximum（x，y） np.fmax（） np.minimum（x，y） np.fmin（）	元素的最大值/最小值计算
np.mod（x，y）	元素级的模运算
np.copysign（x，y）	将数组y中各元素值的符号赋值给数组x对应元素
>< >= <= == !=	算术比较，产生布尔类型