05_numpy学习笔记（下）：大作业

大作业回顾

1. 导入鸢尾属植物数据集，保持文本不变。

【知识点：输入和输出】

如何导入存在数字和文本的数据集？

• numpy.loadtxt()

2. 求出鸢尾属植物萼片长度的平均值、中位数和标准差（第1列，sepallength）

【知识点：统计相关】

如何计算numpy数组的均值，中位数，标准差？

• numpy.mean()
• numpy.medium()
• numpy.std()

3. 创建一种标准化形式的鸢尾属植物萼片长度，其值正好介于0和1之间，这样最小值为0，最大值为1（第1列，sepallength）。

【知识点：统计相关】如何标准化数组？

# 方法一
aMax = np.amax(sepalLength)  
aMin = np.amin(sepalLength)  
x = (sepalLength ‐ aMin) / (aMax ‐ aMin)  # 方法2  
x = (sepalLength ‐ aMin) /np.ptp(sepalLength)

4. 找到鸢尾属植物萼片长度的第5和第95百分位数（第1列，sepallength）。

【知识点：统计相关】

如何找到numpy数组的百分位数？

x = np.percentile(sepalLength, [5, 95])

5. 把iris_data数据集中的20个随机位置修改为np.nan值。

【知识点：随机抽样】

如何在数组中的随机位置修改值？

# 方法1  
iris_data = np.loadtxt(outfile, dtype=object, delimiter=',', skiprows=1) 
i, j = iris_data.shape  np.random.seed(20200621)  iris_data[np.random.randint(i, size=20), np.random.randint(j, size=20)] = np.nan  print(iris_data[0:10])  
# 方法2  
iris_data = np.loadtxt(outfile, dtype=object, delimiter=',', skiprows=1) 
i, j = iris_data.shape  np.random.seed(20200620)  iris_data[np.random.choice(i, size=20), np.random.choice(j, size=20)] = np.nan  print(iris_data[0:10])

6. 在iris_data的sepallength中查找缺失值的个数和位置（第1列）。

【知识点：逻辑函数、搜索】

如何在numpy数组中找到缺失值的位置？

i, j = iris_data.shape  np.random.seed(20200621)  iris_data[np.random.randint(i, size=20), np.random.randint(j, size=20)] = np.nan  
sepallength = iris_data[:, 0]  
x = np.isnan(sepallength)  
print(sum(x))  
print(np.where(x))

7. 筛选具有 sepallength（第1列）< 5.0 并且 petallength（第3列）> 1.5 的 iris_data行。

【知识点：搜索】

如何根据两个或多个条件筛选numpy数组？

import numpy as np  
outfile = r'.\iris.data'  
iris_data = np.loadtxt(outfile, dtype=float, delimiter=',', skiprows=1, usecols=[0, 1, 2,  3])  
# 首先获取指定列
sepallength = iris_data[:, 0]  petallength = iris_data[:, 2]  
index = np.where(np.logical_and(petallength > 1.5, sepallength < 5.0))  print(iris_data[index])

8. 选择没有任何 nan 值的 iris_data行。

【知识点：逻辑函数、搜索】

如何从numpy数组中删除包含缺失值的行？

import numpy as np  outfile = r'.\iris.data'  iris_data = np.loadtxt(outfile, dtype=float, delimiter=',', skiprows=1, usecols=[0, 1, 2,  3])  i, j = iris_data.shape  np.random.seed(20200621)  iris_data[np.random.randint(i, size=20), np.random.randint(j, size=20)] = np.nan  x = iris_data[np.sum(np.isnan(iris_data), axis=1) == 0]print(x[0:10])

9. 计算 iris_data 中sepalLength（第1列）和petalLength（第3列）之间的相关系数。

【知识点：统计相关】

如何计算numpy数组两列之间的相关系数？

# 方法1  
m1 = np.mean(sepalLength)  
m2 = np.mean(petalLength)  
cov = np.dot(sepalLength ‐ m1, petalLength ‐ m2)  
std1 = np.sqrt(np.dot(sepalLength ‐ m1, sepalLength ‐ m1))  
std2 = np.sqrt(np.dot(petalLength ‐ m2, petalLength ‐ m2))  
print(cov / (std1 * std2))  
# 0.8717541573048712  
# 方法2  
x = np.mean((sepalLength ‐ m1) * (petalLength ‐ m2))  
y = np.std(sepalLength) * np.std(petalLength)  
print(x / y)  
# 0.8717541573048712  
# 方法3  
x = np.cov(sepalLength, petalLength, ddof=False)  
y = np.std(sepalLength) * np.std(petalLength)  
print(x[0, 1] / y)  
# 0.8717541573048716  
# 方法4  
x = np.corrcoef(sepalLength, petalLength)  
print(x)

10. 找出iris_data是否有任何缺失值。

【知识点：逻辑函数】

如何查找给定数组是否具有空值？

import numpy as np  
outfile = r'.\iris.data'  
iris_data = np.loadtxt(outfile, dtype=float, delimiter=',', skiprows=1, usecols=[0, 1, 2,  3])  x = np.isnan(iris_data)  
print(np.any(x))  
# False