【数据分析】numpy 读取数据及索引 No.4

一、Numpy数组的轴

在numpy中可以理解为方向，使用0，1,2…数字表示，对于一维数组，只有一个0轴，对于2维数组（shape(2,2）），有0轴和1轴，对于三维数组（shape(2,2,3)）,有0,1,2,轴。

如：

二维数组的轴：

三维数组的轴

二、numpy读取数据

CSV文件

Numpy中的转置

td = np.arange(20).reshape(4,5)
print (td)
print ("transpose")
print (td.transpose())
print("swapaxes")
print(td.swapaxes(1,0))
print("T")
print(td.T)

如下执行结果：

[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]
transpose
[[ 0  5 10 15]
 [ 1  6 11 16]
 [ 2  7 12 17]
 [ 3  8 13 18]
 [ 4  9 14 19]]
swapaxes
[[ 0  5 10 15]
 [ 1  6 11 16]
 [ 2  7 12 17]
 [ 3  8 13 18]
 [ 4  9 14 19]]
T
[[ 0  5 10 15]
 [ 1  6 11 16]
 [ 2  7 12 17]
 [ 3  8 13 18]
 [ 4  9 14 19]]

三、numpy中的索引和切片

四、numpy中数值修改

将数组中第3列，第四列设置为0

将数组中小于10的替换为0

将数组中小于10的数替换为0，大于10的替换为10（where 三元运算符）

将小于10的替换为10，将大于18的替换为18（clip 裁剪）

五、数组拼接

六、数组的行列交换

七、Numpy 更多好用的方法

1. 获取最大值最小值的位置

np.argmax(t.axis=0)

np.argmin(t.axis=1)

1. 创建一个全0的数组：np.zeros((3,4))
2. 创建一个全1的数组：np.ones((3,4))
3. 创建一个对角线为1的方阵：np.eye(3)