【python数据分析(一)】Numpy基础及基本应用

一.数据处理的一般流程：

数据收集—》数据预处理—》数据处理—》数据展示

数据收集：网络爬虫，公开数据集，其他途径收集的数据

数据预处理：归一化，二值化，维度变换，去重，无效数据过滤

数据处理：数据排序，数据查找，数据统计分析

展示：列表，图表，动态交互图形

 

二.numpy的优点

高性能，开源，数组运算，读写迅速

 

三.numpy的定义

1.NumPy 是一个 Python 包。 它代表 “Numeric Python”。 它是一个由多维数组对象和用于处理数组的例程集合组成的库。

2.使用NumPy，开发人员可以执行以下操作：

（1）数组的算数和逻辑运算。

（2）傅立叶变换和用于图形操作的例程。

（3）与线性代数有关的操作。 NumPy 拥有线性代数和随机数生成的内置函数。

 

四.安装

pip install numpy

 

五.有多快？

 

六.导入numpy

import numpy as np

 

七.numpy的基础类型—ndarray

#创建一个ndarray类型的数组

data = np.array([1,2,3,4,5])

np.array()里直接填一个由数字组成的列表

#创建一个二维的ndarray类型的数组

data = np.array([[1,2,3],[4,5,6]])

#判断ndarray的维度

data = np.array([[1,2,3],[4,5,6]])

print data.ndim

#了解ndarray各维度的长度

data = np.array([[1,2,3],[4,5,6]])

print data.shape

#创建一个全是0的数组

data = np.zeros(10)

#创建一个全是1的二维数组

data = np.ones((3,10))

#索引

data = np.arange(10)

print data[5]

#  切片

data = np.arange(10)

print data[3:6]

#变换维度

data = np.arange(10)

print data

print data.reshape(2,5)

#转置

data = np.arange(10)

print data.reshape(2,5).T

#对ndarray数组每个元素求平方根

data = np.arange(10)

print np.sqrt(data)

 

其他的常用方法：

 

#相加

data1 = np.array([1,3,5,7,9])

data2 = np.array([2,4,6,8,10])

print data1+data2

print np.add(data1,data2)

 

#求和

data= np.arange(10)

print data.sum()

#求平均值

data= np.arange(10)

print data.mean()

#求标准差

data= np.arange(10)

print data.std()

 

#排序

data = np.array([1,9,8,0,3])

data.sort()

#读取txt文件

data = np.genfromtxt(‘data.txt’,delimiter=‘,’)

print data

 

#数组.astype(要转换的类型)

data = np.genfromtxt(‘data.txt’,delimiter=‘,’)

print data.astype(int)

 

 

作业：