python数据分析笔记2

数据的CSV文件存取

CSV文件
CSV(Comma-Separated Value,逗号分隔值）
CSV是一种常见的文件格式，用来存储批量数据。储存一维和二维数据。

np.savetxt(frame, array, fmt='%.18e', delimiter=None)
frame:.文件、字符串或产生器，可以是.gz或.bz2的压缩文件。
array：存入文件的数组。
fmt：写入文件的格式，例如：%d%.2f%.18e。

delimiter: 分割字符串，默认是任何空格。

 csv文件的读取

np.loadtxt(frame, dtype=np.float, delimiter=None,unpack=False)
frame：文件、字符串或产生器，可以是.gz或.bz2的压缩文件。
dtype：数据类型，可选。
delimiter：分割字符串，默认是任何空格。
unpack：如果True，读入属性将分别写入不同变量。

 CSV文件的局限性

CSV只能有效存储一维和二维数组
np.savetxt（） np.loadtxt（）只能有效存取一维和二维数组
多维数据的存取

写入

a.tofile(frame, sep=", format='%s')
frame：文件、字符串。
sep：数据分割字符串，如果是空串，写入文件为二进制。
format：写入数据的格式。

 

读取

还原数据的函数

np.fromfile(frame, dtype=float, count=-1, sep="')
frame：文件、字符串。
dtype：读取的数据类型。
count：读入元素个数，-1表示读入整个文件。
sep：数据分割字符串，如果是空串，写入文件为二进制。
在读取文件中的元素是都要指定数据类型，因为只有指定数据类型才能更好的解析每个元素中的内容

 

 需要注意！！
该方法需要读取时知道存入文件时数组的维度和元素类型
a.tofile（）和np.fromfile（）需要配合使用
可以通过元数据文件来存储额外信息，有些麻烦，但是储存大批量数据仍是有效的。

NumPy的便捷文件存取

np.save(fname, array) 或 np.savez(fname, array)s

frame：文件名，以.npy为扩展名，压缩扩展名为.npz*array：数组变量
np.load(fname)
frame：文件名，以.npy为扩展名，压缩扩展名为.npz

NumPy的随机函数 

NumPy的统计函数

NumPy直接提供的统计类函数
np.*
np.var（）      np.std（）     np.average（）

axis=None 是统计函数的标配参数
 

 

 

 NumPy的梯度函数

梯度：连续值之间的变化率，即斜率。
XY坐标轴连续三个X坐标对应的Y轴值：a,b,c,其中，b的梯度是：(c-a)/2

 用于对声音图像的处理

 多维

 图像的数组表示

 图像的RGB色彩模式
RGB三个颜色通道的变化和叠加得到各种颜色，其中
R红色，取值范围，0-255。
G绿色，取值范围，0-255。
B蓝色，取值范围，0-255。

RGB形成的颜色包括了人类视力所能感知的所有颜色。
PIL库
PIL, Python Image Library
PLL库是一个具有强大图像处理能力的第三方库。
from PIL import Image
Image是PIL库中代表一个图像的类（对象）

 图像的变换

只改变中间的新生成数组那一行代码即可。