NumPy数值统计基础（四）

1. 利用数组进行数据统计

1.1将条件逻辑表现为数组运算

np.where(cond, xarr, yarr)函数,其中，cond为条件，符合条件输出xarr，不符合条件输出yarr

xarr = np.array([1.1, 1.2, 1.3, 1.4, 1.5])
yarr = np.array([2.1, 2.2, 2.3, 2.4, 2.5])
cond = np.array([True, False, True, True, False])


# 列表推导式，运行速度较慢且编写复杂
import time
result = [(x if c else y)
          for x, y, c in zip(xarr, yarr, cond)]
print(result)


# np.where函数
result = np.where(cond, xarr, yarr)
print(result)

其中，第二和第三个参数可以不为数组，可以为标量值，例：

arr = np.random.randn(4, 4)
np.where(arr > 0, 2, -2)

输出结果为：

1.2数学和统计方法

其中，cumsum()函数和cumprod()函数会统计中间结果，产生一个由中间结果组成的数组。例：

1.3用于布尔型数组的方法

1.3.1布尔值的转换与统计

在以上方法中，布尔值会被转换成1（True）或者0（False）。例：

1.3.2布尔型数组的两个使用方法，any和all

any用于判断是否存在True，all用于判断是否每一个元素都是True。

例：紧接上文数据，做出如下判断

1.4排序

使用sort()方法排序，其中可以对任何一个轴进行排序。

例：

1.5唯一化以及其他的集合逻辑

例1：

例2：

1.6线性代数

1.6.1矩阵乘法的dot函数

1.6.2numpy.linalg模块

常用的linalg函数

2. 描述性统计

2.1中心位置（均值、中位数、众数）

2.2发散程度（极差、方差、标准差、变异系数）

3. NumPy读写文件

3.1二进制的文件读写

3.1.1np.save()函数

import numpy as np  #导入NumPy库
arr = np.arange(100).reshape(10,10)  #创建一个数组
np.save("e:/save_arr",arr)  #保存数组，自动默认文件后缀为.npy

3.1.2np.load()函数

x = np.load("e:/save_arr.npy") 
#读取含有单个数组的文件，文件名必须加后缀

3.1.3np.savez()函数

将多个数组保存在一个文件

arr1 = np.array([[1,2,3],[4,5,6]])
arr2 = np.arange(0,1.0,0.1)
np.savez('e:/savez_arr',arr1,arr2)
print('保存的数组1为：\n',arr1)
print('保存的数组2为：\n',arr2)

3.2读写文本格式的数据

3.2.1np.savetxt()函数

将数组写到某种分隔符隔开的文本文件中

3.2.2np.loadtxt()函数

把文件加载到一个二维数组中

3.2.3np.genfromtxt()函数

面向结构化数组和缺失数据