数据分析 -- 常用清洗函数

Numpy

1.数组创建

#数组创建
# 导入库
import numpy as np
arr1 = np.array([-9,7,4,3])
print(arr1)
arr2 = np.array([-9,7,4,3],dtype =float)# 尝试改变为int或者str
print(arr2)
arr3 = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])
print(arr3)
# 使用其他函数创建数组
print(np.arange(0,10,1))   
print(np.linspace(1,10,10))
print(np.zeros([4,5]))
print(np.ones([2,3]) ) 
print(arr3 + 1 )#矩阵运算

2.数组方法

# 查看数组维度
print(arr3.ndim) 
print(arr3.shape)
print(arr3.size)
print(arr3.dtype)
print(arr3 + 1) #矩阵运算
print(arr3 /2)
data2 = ((8.5,6,4.1,2,0.7),(1.5,3,5.4,7.3,9),(3.2,4.5,6,3,9),(11.2,13.4,15.6,17.8,19))
print(arr2 = np.array(data2))
print(arr2)
print(arr2[2]) #访问第三行，可以理解为行索引
print(arr2[2,1]) #访问第三行，可以理解为行索引
print(arr2[:,2:4]) #访问第三列
print(arr2[1:3]) #2行和3行
print(arr2[1:,2:]) #第2行到最后一行，第3列到最后一列
print(arr2[2,1]) #访问第三行，第二个元素,第一个是行索引，第二个是列索引
print(arr2[2][1]) #访问第三行，第二个元素,第一个是行索引，第二个是列索引

3.Numpy常用数据清洗函数

排序

sort() :从小到大进行排序

降序建议使用sorted()

数据搜索

where() : 可以自定义返回满足条件的情况

extract()  : 返回满足条件的元素值