利用python做数据分析--numpy模块

# -*- coding: utf-8 -*-
"""
Created on Mon Oct 21 09:59:52 2019
@author: weiping
"""
import numpy as np
 
 
 
'''
一维数组
'''
data = [3,5,7,9]
data*10 ## 结果是复制data10遍
 
data_n = np.array(data)
data_n*10 #对数组内的所有元素都是*10 返回一个新的数组
data_n*data_n #数组对应值相乘 可以试下不同元素的数组相乘试试看
 
'''
多维数组
'''
 
data =[[1,2,3],[4,5,6]]
data_n = np.array(data)
data_n
data_n * 10
data_n.ndim #查看数组维度
data_n.shape #查看数组大小
data_n.dtype #查看数组内数据类型
 
'''
特殊数组
'''
 
np.zeros(10)#创建一个10个0的一维数组
np.zeros((3,10))#创建一个3x10的 三维数组0
 
np.ones((3,5))
 
np.empty(10) #创建空数组，数组内数据是一堆无意思垃圾值 切记不等于 zeros
np.empty((2,3,4))
 
np.arange(8)#类似于内置函数 range 不过 这是生成的事一维数组格式
np.arange((3,4)) # 报错
 
'''
类型转化
'''
data1 = np.array(['2','5','6'],dtype = np.string_)
data1.dtype
 
data2 = data1.astype(np.float64) ##生产新的数组 不对原数组做更改
data2.dtype
 
data3 = np.arange(10)
tt = np.array([2,3],dtype = np.float64)
data4 = data3.astype(tt.dtype) # 用另一个数组的类型那转到这个数组上来
data4.dtype,data3.dtype

'''
切片
'''
arr1 = np.arange(10)
arr1
arr2 = arr1[5:8]
arr2[1] = 12
arr2,arr1
arr2[:] = 33
arr2,arr1
'''
数组切片和list最大的区别，也是numpy最大特点 就是：对切片的数据的更改会直接反映到原数组中，切片数据相当于原数组的一个
视图，要复制的数组切片只能显式的复制 例如： arr3 = arr1[5:8].copy()
'''
'''
多维数组与一维数组基本一致
'''
arr = np.array([[1,2,3],[4,5,6]])
arr[1][0],arr[1,0] #两种取数方法一致
'''
其他数组方便的例如 矩阵计算、或者转置 去重等函数这里不做介绍
'''


'''
随机数（random）
'''
'''
seed  随机种子（相同的随机种子，得到的随机数列是一致的）
rand  产生均匀分布的样本
randint 从给定的上下限范围内随机选取整数
randn 产生正太（平均值 0 标准差1）的样本值
'''

'''
样例：随机游走
'''
import matplotlib.pyplot as plt 
import numpy as np

def rand_walk(seed,step):
    t = 100 #创建初始值
    l,s = [],[] #创建裂变接收后面的数据
    np.random.seed(seed) #设置随机种子
    for i in range(step):
        l.append(i)
        n = np.random.rand() #生产随机数
        if n > 0.5 :
            t += 1
        else:
            t -= 1
        s.append(t)
    
    fig,ax = plt.subplots()
    ax.plot(l,s)
    plt.show()   

rand_walk(3,100)
    
rand_walk(4,100)
    
    
    
  ##代码可以直接复制执行的