Numpy做数据分析,不懂这些是真的做不了数据分析

numpy

为什么要用numpy科学计算库?

一般情况下数据的组成:
行和列

学号	姓名	语文成绩
1	张三	89
2	李四	85
3	王五	100

一般数据都是这样组成的,我们可以把数据分为行和列,这样对于数据的运算是很方便的,同时也是和高效的,这就是使用munpy科学计算库的原因,numpy就是做矩阵的计算,且是底部实现是C语言,运算速度很快.

• Numpy是一种数学工具,用于矢量计算
• Numpy的对象称为矩阵/多维数组 轴指的是维度,轶指的是轴的数量

常用属性和方法

numpy对象常用属性

b = np.array([[1,2,3]
            ,[4,5,6]])
print(b.ndim)
print(b.shape)
print(b.dtype)
print(b.size)
print(b.itemsize)

a = np.array([1,2,3])
print(a.shape)
b = np.array([[1,2,3]
            ,[4,5,6]])
print(b.shape)

很可能用在debug中,看看在转化中shape是否有错误

• ndim几个维度
• shape各个维度的数值
• dtype数据类型(int类型默认是32,float默认是64)
• size元素总数
• itemsize每个元素字节大小
• arange(数字)生成一个数字列表
• reshape(x,y)把numpy对象转为一个x行y列的对象

numpy打开文件

• numpy.genfromtext(’*.txt’,delimite=’,’,dtype=‘str’)
• 第一个参数表示txt文件的路径
• 第二个参数表示把这个txt文件的内容按照,分隔
• 第三个参数表示打开文件的方式(如果有float的数据也有stsr的数据,用str的方式打开,在转化float的数据转化)

numpy的创建

第一种方式numpy.array(*)

• 注意*可以是一切的序列类型
• dtype自动推断 ,一般是float64(用于数值计算),也可以显式指定
• 另外对于set来说,直接传入时,仅作为一个元素,如果不想作为一个元素,那么可以在传入之前先转化为list或者tuple
  其他方式创建
  占位符
• np.zeros/ones/empty(*) *代表各维度的元组
• np.zeros_like/ones_like/empty_like(*) *表示参考另一个数组的dtype和shape
• 应用于数组元素未知,但是大小已知,这种方式有着高昂的运算代价,不建议经常使用
  np.arange()相当于python中的range()函数,称为数组数列
  Np.eye/identity(),单位矩阵,特点是对角线为1,其余为0

# numpy创建一维二维矩阵
a = np.array([1,2,3])
print(a)
b = np.array([[1,2,3