目录
第二章、numpy数组
1.什么是numpy
numpy是一个快速、方便的用于科学计算的基础库。
2.numpy创建数组
3.numpy中的数据类型
也可以用dtype指定数据类型或者astype修改数据类型,用round保留小数
4.数组的形状与计算
①形状
可以用a.shape语句查看数组的形状,也就是块、行、列的值,也可用reshape修改数组的形状。
②计算
数组的计算如矩阵一般,可同位直接相加减乘除,但仅限于不同维度数组的计算,不同维度的数组会报错。
5.数组的轴
2维数组有0轴和1轴,3维数组有0、1、2轴。
6.读取数组
可以用loadtxt读取文件。
7.numpy案例
代码如下:
'获取英国youtube喜欢数和评论数的关系'
import numpy as np
from matplotlib import pyplot as plt
import matplotlib
#设置中文字体
font={'family':'MicroSoft YaHei',
'weight':'bold',
'size':'10'}
matplotlib.rc("font",**font)
matplotlib.rc("font",family="MicroSoft YaHei",weight="bold")
us_file_path = "F:/data-master/youtube_video_data/US_video_data_numbers.csv"
uk_file_path = "F:/data-master/youtube_video_data/GB_video_data_numbers.csv"
t_us = np.loadtxt(us_file_path,delimiter=",",dtype="int")
t_uk = np.loadtxt(uk_file_path,delimiter=",",dtype="int")
plt.figure(figsize=(20,8),dpi=80)
# 获取喜欢数小于500000的数据
t_uk = t_uk[t_uk[:,1]<=500000]
t_us = t_us[t_us[:,1]<=500000]
# 取评论数和喜欢数
t_uk_comments = t_uk[:,-1]
t_uk_likes = t_uk[:,1]
t_us_comments = t_us[:,-1]
t_us_likes = t_us[:,1]
z1 = np.polyfit(t_us_likes, t_us_comments, 1) ##二分法线性回归拟合
z2 = np.polyfit(t_uk_likes, t_uk_comments, 1)
print(z1)
p1 = np.poly1d(z1) #构建多项式
p2 = np.poly1d(z2)
print(p1) # 在屏幕上打印拟合多项式
print(p2)
yvals=np.polyval(z1,t_us_likes)
yval=np.polyval(z2,t_uk_likes)
plt.scatter(t_uk_likes, t_uk_comments,label="英国",color="red") ##标注线
plt.plot(t_uk_likes, yval ,label='英国拟合直线',color="orange")
plt.plot(t_us_likes, yvals ,label='美国拟合直线',color="blue")
plt.scatter(t_us_likes,t_us_comments,label="美国")
plt.legend(loc="upper left") #用loc="upper left"可以调到左上角
fontdict={'size':15}
fontdict1={'size':25}
plt.xlabel("评论数",fontdict=fontdict)
plt.ylabel("个数",fontdict=fontdict)
plt.title("英国YouTube评论数和喜欢数的关系",fontdict=fontdict1)
plt.show()
运行结果: