python numpy运算（3）排序筛选

numpy运算（3）

本节目标：学习numpy库的各种统计方式

本节内容：numpy的统计函数
本节技术点：各类统计值的计算，排序，筛选等

本节阅读需要（15）min。
本节实操需要（15）min。

---

---

前言

作为运算的基础库。我们日常生活中最需要的其实就是做各类的统计处理。
平均值，筛选，平均值的计算等。

---

一、统计函数

最值

numpy.amin() 用于计算数组中的元素沿指定轴的最小值。轴一般就是0,1.

不标注轴的时候，会把array当做一维的。也就是对所有的数求最值。
1代表行，0代表列。

import numpy as np 
 
a = np.array([[3,7,5],[8,4,3],[2,4,9]])  
print ('我们的数组是：')
print (a)
print ('\n')
print ('调用 amin() 函数：')
print (np.amin(a,1))
print ('\n')
print ('再次调用 amin() 函数：')
print (np.amin(a,0))
print ('\n')
print ('调用 amax() 函数：')
print (np.amax(a)) # 全体的最值
print ('\n')
print ('再次调用 amax() 函数：')
print (np.amax(a, axis =  0))

补充：

numpy.argmax() 和 numpy.argmin()函数分别沿给定轴返回最大和最小元素的索引
用法和最值一样。但是得到的是最值的秩，也就是位置。然后通过[]索引器，见以前的文章！就可以得到最值。

离差

numpy.ptp()函数计算数组中元素最大值与最小值的差（最大值 - 最小值）
这样我们就不需要自己写程序计算之后再最差了。

print (np.ptp(a))
print ('\n')
print ('沿轴 1 调用 ptp() 函数：')
print (np.ptp(a, axis =  1))
print ('\n')
print ('沿轴 0 调用 ptp() 函数：')
print (np.ptp(a, axis =  0))

百分位数

百分位数不是某个数出现的次数占总次数的百分比。

百分位数是一个数。

是排序之后出现在比如50%位置上的数。50%比较特殊，是中位数。
第p百分位数是这样一个值，它使得至少有p%的数据项小于或等于这个值，且至少有(100-p)%的数据项大于或等于这个值。

import numpy as np 
 
a = np.array([[10, 7, 4], [3, 2, 1]])
print ('我们的数组是：')
print (a)
 
print ('调用 percentile() 函数：')
# 50% 的分位数，就是 a 里排序之后的中位数
print (np.percentile(a, 50)) 
 
# axis 为 0，在纵列上求
print (np.percentile(a, 50, axis=0)) 
 
# axis 为 1，在横行上求
print (np.percentile(a, 50, axis=1)) 
 
# 保持维度不变
print (np.percentile(a, 50, axis=1, keepdims=True))

不理解没关系，反正也就求25,50,75这三个。。。

中位数

print ('沿轴 0 调用 median() 函数：')
print (np.median(a, axis =  0))
print ('\n')
print ('沿轴 1 调用 median() 函数：')
print (np.median(a, axis =  1))

轴的影响与上面同理。

平均值

算数平均值mean

print ('沿轴 0 调用 mean() 函数：')
print (np.mean(a, axis =  0))
print ('\n')
print ('沿轴 1 调用 mean() 函数：')
print (np.mean(a, axis =  1))

加权平均值

wts = np.array([4,3,2,1])  
print ('再次调用 average() 函数：')
print (np.average(a,weights = wts))
print ('\n')
# 如果 returned 参数设为 true，则返回权重的和  
print ('权重的和：')
print (np.average([1,2,3,  4],weights =  [4,3,2,1], returned =  True))

二、排序

sort

numpy.sort(a, axis, kind, order)

axis: 沿着它排序数组的轴，如果没有数组会被展开，沿着最后的轴排序， axis=0 按列排序，axis=1 按行排序
kind: 默认为’quicksort’（快速排序）
order: 如果数组包含字段，则是要排序的字段

import numpy as np  
 
a = np.array([[3,7],[9,1]])  
print ('我们的数组是：')
print (a)
print ('\n')
print ('调用 sort() 函数：')
print (np.sort(a))
print ('\n')
print ('按列排序：')
print (np.sort(a, axis =  0))
print ('\n')
# 在 sort 函数中排序字段 
dt = np.dtype([('name',  'S10'),('age',  int)]) 
a = np.array([("raju",21),("anil",25),("ravi",  17),  ("amar",27)], dtype = dt)  
print ('我们的数组是：')
print (a)
print ('\n')
print ('按 name 排序：')
print (np.sort(a, order =  'name'))

注意：

1. np.dtype定义字段之后才能用order。
2. quicksort（快速排序）mergesort（归并排序） heapsort（堆排序）可以选择

numpy.argsort()

numpy.argsort() 函数返回的是数组值从小到大的索引值。
怎么理解呢？就是返回排序好的序列，但是内容不是数值，而是这些数值在原始数组中的秩。
见如下实例：

import numpy as np 
 
x = np.array([3,  1,  2])  
print ('我们的数组是：')
print (x)
print ('\n')
print ('对 x 调用 argsort() 函数：')
y = np.argsort(x)  
print (y)
print ('\n')
print ('以排序后的顺序重构原数组：')
print (x[y])
print ('\n')
print ('使用循环重构原数组：')
for i in y:  
    print (x[i], end=" ")

x[y]相当于np.sort(a)，需要认识这两个形式。

三、 筛选

对于numpy而言筛选必然是批量化的。
所以我们需要筛选器，然后结合[]索引器，进行筛选。

numpy.nonzero()

经常用到，因为需要对空值特殊处理。比如换成平均值。

a = np.array([[30,40,0],[0,20,10],[50,0,60]])  
print ('我们的数组是：')
print (a)
print ('\n')
print ('调用 nonzero() 函数：')
print (np.nonzero (a))

numpy.where()

x = np.arange(9.).reshape(3,  3)  
print ('我们的数组是：')
print (x)
print ( '大于 3 的元素的索引：')
y = np.where(x >  3)  
print (y)
print ('使用这些索引来获取满足条件的元素：')
print (x[y])

可以使用更复杂的逻辑。

numpy.extract()

import numpy as np 

x = np.arange(9.).reshape(3,  3)  
print ('我们的数组是：')
print (x)
# 定义条件, 选择偶数元素
condition = np.mod(x,2)  ==  0  
print ('按元素的条件值：')
print (condition)
print ('使用条件提取元素：')
print (np.extract(condition, x))

condition的本质是bool类型的选择矩阵。
如果我们的condition是函数的返回值，那么我们就可以自定义筛选条件了，通过函数封装
我们的筛选条件。

---

总结

numpy的统计功能是Python办公自动化和数据清洗的基础所以格外重要。

你学废了吗？