Python数据分析机器学习

Numpy

---

hi，大家好，我是爱吃香蕉的猴子，最近开始学习一点python数据分析的知识，也希望后面能学到机器学习，但估计学不到，这块知识自己平时也用不到，主要还是为了装逼吧，不管怎么样 学点东西还是可以让人假装充实的(略带心酸) 。。。。。

---

Numpy的英文全称Numerical Python， 该库时基于python语言的科学数字计算库。
主要功能(课本知识)

• 提供快速、节约空间的多维数组，并具有矢量运算和复杂的广播能力。
• 为基于数据的计算提供大量的标准数学函数。
• 提供各种读写磁盘文件和内存映射文件的工具，打通文件与数组交换数据的通道。
• 提供线性代数、傅里叶交换、随机生成等高级数学功能。
• 提供C C++等语言的接口支持，方便专业研究人员扩充Numpy功能。
  主要支持对象
• ndarray时Numpy的数据存储对象，代表了N维数组，用于存储不同维数的不同类型的数据。
• ufunc时能够对数组进行处理的标准函数。Numpy的很多函数都是C语言写的，执行非常快。

---

数组
用array建立数组

• import numpy as np
• b1 = np.array([[100, 98, 99], [88, 78, 95]])
• print(b1)

---

arange()函数

h1 = np.arange(0, 5, 0.5)
print(h1)
[0.  0.5 1.  1.5 2.  2.5 3.  3.5 4.  4.5]
start; stop; step

linspace()函数

• 均匀步长的样本数组。

il=np.linspace(0, 4, 4)
print(il)
[0.         1.33333333 2.66666667 4.        ]
start; stop; nums
step = (stop - start) / (num-1)

ones()函数

• 产生值为0的数组；
  empty()函数
• 产生不定值的数组
  logspace()函数
• 返回在对数刻度上均匀间隔的数字；
  full函数
• 返回指定值的数组；

f10 = np.full(5, 10)
print(f10)
[10 10 10 10 10]

repeat()函数

• 建立每个元素重复N次的数组；

np.repeat([0, 1, 0], 5)
array([0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0])

---

数组属性的使用

ar1 = np.array([['a', 'b', 'c'], ['d', 'e', 'f'], ['g', 'h', 'i']]) # 建立3行3列值为字符型的二维数组
print(ar1)
ar1.ndim   # 返回数组的维数
ar1.shape  # 返回数组的形状大小
ar1.size   # 数组元素个数

[['a' 'b' 'c']
 ['d' 'e' 'f']
 ['g' 'h' 'i']]

数组方法的使用

• 改变形状

t1 = np.arange(9)
print(t1)

t2=t1.reshape(3, 3) # 三行三列
print(t2)
[0 1 2 3 4 5 6 7 8]
[[0 1 2]
 [3 4 5]
 [6 7 8]]

• all方法，判断指定的数组元素是否都是非0，是则返回True, 否则返回false.

m1=np.ones([1, 0, 2]).all()
print(m1)

• any方法，判断数组元素有非0值，有则返回True, 否则返回False.
• copy方法，复制数组副本.

ar2 = ar1
id(ar1)
id(ar2)

在映射的情况下，运算速度快，因为无需要开辟新的内存地址，但是改变一个数组的元素值，会影响另外一个数组。

• astype方法，改变数组元素类型；

数组的对接、分割

• 数组的对接
• 1. 垂直对接

import numpy as np
c1 = np.array([[100, 99, 100],[98, 99, 97]])
print(c1)
c2 = np.array([[88, 88, 97], [85, 82, 89]])
print(c2)

np.vstack((c1, c2))  # vertical  保证列数一样

[[100  99 100]
 [ 98  99  97]]
[[88 88 97]
 [85 82 89]]

array([[100,  99, 100],
       [ 98,  99,  97],
       [ 88,  88,  97],
       [ 85,  82,  89]])

• 2. hstack()函数实现数组的水平对接，horizontal

在这里插入代码片r1=np.array(['1', 'Tom', 'China'])
r2=np.array(['man', '10', '13600000000'])
np.hstack((r1, r2))

array(['1', 'Tom', 'China', 'man', '10', '13600000000'], dtype='<U11')

• 3.数组分割hsplit(ar, N) 函数实现水平分割，ar为需要分割的数组，N为分割数。

r5=np.array([['1', 'Tom', 'China', 'boy', '10', '1360000000'],['2', 'Alice', 'US', 'girl', '9', '138111111']])
r6=np.hsplit(r5, 2)
print(r6)


r5=np.array([['1', 'Tom', 'China', 'boy', '10', '1360000000'],['2', 'Alice', 'US', 'girl', '9', '138111111']])
r6=np.hsplit(r5, 2)
print(r6)
[array([['1', 'Tom', 'China'],
       ['2', 'Alice', 'US']], dtype='<U10'), array([['boy', '10', '1360000000'],
       ['girl', '9', '138111111']], dtype='<U10')]

• 4. 垂直分割vsplit(ar, N) ar为分割的数组，N为分割数

---

                                         Code的搬运工V1.0