数据清洗常用工具之Numpy

最新推荐文章于 2024-09-04 17:02:10 发布

lilinwang

最新推荐文章于 2024-09-04 17:02:10 发布

阅读量882

点赞数

分类专栏： Python数据清洗实战入门学习笔记文章标签： numpy python 数据分析

本文链接：https://blog.csdn.net/lilinwang/article/details/127417444

版权

本文介绍了如何在Python中利用Numpy进行数据清洗，通过ndarray数据结构、创建数组的方法，如arange、linspace和常用的数据清洗函数，如排序、索引操作和条件筛选。理解这些工具能提升数据预处理的效率。

摘要由CSDN通过智能技术生成

数据清洗常用工具之Numpy

目前在 Python 中，numpy 和 pandas 是最主流的工具
Numpy 中的向量化运算使得数据处理变得高效
Pandas 提供了大量数据清洗的高效方法
在Python中，尽可能多的使用 numpy 和 pandas 中的函数，提高数据清洗的效率

Numpy 常用数据结构

Numpy 中常用的数据结构是 ndarray 格式

可以使用 array 函数创建，语法格式为 array(列表或元组)

#创建一维数组
arr1 = np.array([-9, 7, 4, 3])
print(type(arr1))
print(arr1)
arr2 = np.array([-9, 7, 4, 3],dtype=str)
print(type(arr2))
print(arr2)
arr3 = np.array([-9, 7, 4, 3],dtype=float)
print(type(arr3))
print(arr3)
arr4 = np.array([-9, 7, 4, 3],dtype=int)
print(type(arr4))
print(arr4)
#结果
#<class 'numpy.ndarray'>
#[-9  7  4  3]
#<class 'numpy.ndarray'>
#['-9' '7' '4' '3']
#<class 'numpy.ndarray'>
#[-9.  7.  4.  3.]
#<class 'numpy.ndarray'>
#[-9  7  4  3]

#创建二维数组
import numpy as np
arr1 = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
print(arr1)
#结果
#[[ 1  2  3  4]
# [ 5  6  7  8]
# [ 9 10 11 12]]

还可以使用其他函数例如 arange、linspace、zeros 、ones等创建

# arange数组  numpy.arange(起始值,终止值,步长)    注意：[起始值,终止值)左闭右开
import numpy as np
x = np.arange(1,10,1)
print(x)
#结果
#[1 2 3 4 5 6 7 8 9]

# 等差数组：numpy.lins