numpy 模块中的数组2

c、去重

arr = np.array([21,2,21, 1, 0 ,1])
np.unique(arr, axis=None)

array([ 0,  1,  2, 21])

去重后整行与整列去重：
axis=0表示对比整行数，如果整行值都相同，则进行去重；
axis=1表示对比整列数，如果整列值都相同，则进行去重；

arr2 = np.array([[2,1,1,2],[2,1,1,2],[1,3,2,5]])
np.unique(arr2, axis=None)

array([1, 2, 3, 5])

arr2 = np.array([[2,1,1,2],[2,1,1,2],[1,3,2,5]])
np.unique(arr2, axis=0)

array([[1, 3, 2, 5],
       [2, 1, 1, 2]])

print(arr2)
np.unique(arr2, axis=1)

[[2 1 1 2]
 [2 1 1 2]
 [1 3 2 5]]





array([[1, 1, 2, 2],
       [1, 1, 2, 2],
       [2, 3, 1, 5]])

(6)文件操作
a、二进制文件操作； b.文本文件

.npy / .npz:二进制文件， 必须通过numpy来操作；

a、二进制文件的生成与读取：

arr3 = np.random.random(100).reshape((10,10))
np.save('arr.npy', arr3)

b.读取二进制文件：

np.load('arr.npy')

array([[0.94166009, 0.08707178, 0.24738943, 0.63504731, 0.6243815 ,
        0.47913674, 0.16587397, 0.05695113, 0.51010674, 0.90441856],
       [0.32740982, 0.86440694, 0.89363497, 0.68414786, 0.17839399,
        0.05469072, 0.11002265, 0.4023877 , 0.88905758, 0.72660147],
       [0.13412419, 0.64377726, 0.3068447 , 0.74123468, 0.33092074,
        0.71307152, 0.67174501, 0.78521112, 0.90050852, 0.50450854],
       [0.88072315, 0.54935894, 0.75141671, 0.08125172, 0.22635412,
        0.70076483, 0.42758755, 0.17078626, 0.2248808 , 0.44911113],
       [0.59483549, 0.65632765, 0.31902911, 0.8290965 , 0.03132135,
        0.23629831, 0.12177865, 0.60715191, 0.04982158, 0.36634437],
       [0.6571213 , 0.08188189, 0.25241281, 0.89119618, 0.3374529 ,
        0.62371096, 0.75715895, 0.85582739, 0.76904704, 0.22617414],
       [0.66571791, 0.60909379, 0.83446684, 0.40617087, 0.21977122,
        0.08921085, 0.91250163, 0.22541365, 0.87649993, 0.87391666],
       [0.76833715, 0.19886483, 0.49752762, 0.11773357, 0.84235592,
        0.65317118, 0.36145973, 0.96081981, 0.03722321, 0.72876165],
       [0.27106625, 0.72437395, 0.21744038, 0.31800489, 0.92305494,
        0.26010492, 0.97360296, 0.98171742, 0.41868223, 0.91821043],
       [0.06910287, 0.76526378, 0.88465488, 0.57540593, 0.2064483 ,
        0.96813549, 0.51524908, 0.72942177, 0.70780959, 0.6597308 ]])

c.多个数组的保存与读取：

arr1 = np.random.random(1000).reshape((10, 100))

np.savez('arrz', arr, arr1)

data = np.load('arrz.npz')
print(data)

<numpy.lib.npyio.NpzFile object at 0x0000000012BCFBA8>

# 查看npzfile下的npy文件： arr_0.npy, arr_1.npy
print(list(data))

['arr_0', 'arr_1']

print(data['arr_0'])

[21  2 21  1  0  1]

d、.txt文件的保存与读取

np.savetxt('arr2', arr2, fmt='%d', delimiter=',' )

arr = np.loadtxt('arr2', delimiter=',',dtype='str')
print(arr)

[['2' '1' '1' '2']
 ['2' '1' '1' '2']
 ['1' '3' '2' '5']]

(7)统计分布方法

a. 最小值、最大值

arr = np.array([[1, 2, 4, 6], [2, 2, 4, 20], [3, 9, 20, 5]])
print(arr)

[[ 1  2  4  6]
 [ 2  2  4 20]
 [ 3  9 20  5]]

(1) 最小值

print('获取整个数组中最小的值：\n', arr.min())
print('获取每一行的最小值：\n', arr.min(axis=1))
print('获取每一列的最小值：\n', arr.min(axis=0))

获取整个数组中最小的值：
 1
获取每一行的最小值：
 [1 2 3]
获取每一列的最小值：
 [1 2 4 5]

（2）最大值

print(arr.max())
print(arr.max(axis=1))
print(arr.max(axis=0))

20
[ 6 20 20]
[ 3  9 20 20]

（3）最大值索引

print(arr.argmax())
print(arr.argmax(axis=1))
print(arr.argmax(axis=0))

7
[3 3 2]
[2 2 2 1]

(4)最小值索引；

print(arr.argmin())

0

(5-6）标准差与方差

方差与标准差可以反映数据的分布：
当标准差与方差越大， 表示数据越分散；
当标准差与方差越小， 数据越集中；

print('标准差：\n', arr.std(axis=1))

标准差：
 [1.92028644 7.54983444 6.57171971]

print('方差：\n', arr.var())

方差：
 40.75

(7-8)求和与求均值

print(arr.sum())
print('按行求和：\n', arr.sum(axis=1))
print('按列求和：\n', arr.sum(axis=0))

78
按行求和：
 [13 28 37]
按列求和：
 [ 6 13 28 31]

print('求均值：\n', arr.mean())

求均值：
 6.5

(9)累计求和

print(arr.cumsum())

[ 1  3  7 13 15 17 21 41 44 53 73 78]

(10)累计求积

print(arr)

[[ 1  2  4  6]
 [ 2  2  4 20]
 [ 3  9 20  5]]

arr_2 = arr.cumprod()
print('累计求积：\n', arr_2)

累计求积：
 [       1        2        8       48       96      192      768    15360
    46080   414720  8294400 41472000]

print(arr_2[-1])

41472000