数据分析_03_numpy

numpy

• 生成数组，得到ndarray

  np.array([1,2,3])

  np.array(range(10))=np.arange(10)

  np.arange(4,10,2,dtype(指定数据类型)=float或"float64"…)

  #4,6,8

• 存放的数据的类型

  a.dtype

• 调整数据类型

  t6 = t5.astype(“int8”)

• 修改小数位数

  np.round(a,2)

  #a可以是数组，保留两位

• 一维数组查数量，二维数组查行列

  xx.shape(传入元组)

  #(12,0) (2,3)

• 一维变多维

  t4 = np.arange(12)

  t4.reshape((3,4))

  #变成3行4列的数据

2个块，3行4列

• 多维变1维

  t5.reshape((24,))

  更方便的方法：

  t5.flatten()

• 广播原则 - 三维除以二维…

• 轴的概念

读取文件和转置

• 读取

  np.loadtext(

  frame(路径),

  dtype(数据类型),

  delimiter=“分隔的字符串”,

  skiprows=(跳过的行),

  usecols=(使用哪几列),

  uppack=(转置) bool

  )

• 转置

  t.transpose()

  或t.T

  或t.swapaxes(1,0) 1换0,0换1轴

索引

• 取二维数组的行，连续的多行，不连续的多行

• 取列

  t2[:,0]

  前面是行的规则，后面是列的规则

  #上面表示的是取每一行的第0个数据

数值的修改

把值小于10的数字替换为3

t[t<10] = 0

• numpy的三元运算符

  np.where(t<10,0,10)

  小于10的替换为0，大于10的替换为10

• 裁剪

  t.clip(10,18)

  小于10的替换为10，大于10的替换为18

• np.nan

  浮点类型

常用统计函数

• 求和

  np.sum
  

• 获取最大值和最小值的位置

  np.argmax(t,axis=0)

  np.argmin(t,axis=1)

nan

not a number

nan之间不相等

nan和任何值计算都为nan

• 不为0的个数

  np.count_nonzero(t2)

  统计nan的个数：

  np.count_nonzero(t2 != t2)

  判断哪些值是nan：

  np.isnan(t2)

  ->np.count_nonzero(np.isnan(t2))

• 出现nan的解决办法

  填入均值或中值

  删除有缺失值的一行

inf

无穷

数组的拼接

np.vstack()

竖直拼接

np.hstack()

水平拼接

数据的行列交换

创建全为0或1的数组

np.zeros((3,4))

np.ones

• 创建一个对角线为1的方阵

  np.eye(3)

随机数

rand

随机分布

randn

正态分布

randint(10,20,(4,5))

一定范围的随机整数

生成10~20（不包含）之间4行5列的数组

uniform

与上面类似，但是是小数

• 复制

  a = b.copy()