数据分析2-学习笔记

• import numpy as np
  import pandas as pd
  import matplotlib.pyplot as plt

  plt.rcParams[‘font.sans-serif’] = ‘Heiti TC’
  plt.rcParams[‘axes.unicode_minus’] = False

  %config InlieBackend.figure_fprmat = ‘svg’

NumPy入门

• NumPy是Numerical python的缩写，它的核心是ndarray的数据类型，可以用来描述多维数组

  • 数组：保存同质的元素

• 创建数组对象
  • 创建一维数组对象（方法一）

# 创建一维数组对象（方法一）
nums = [1, 2, 3, 4, 155]
array1 = np.array(nums, dtype='u8')
array1
# array([  1,   2,   3,   4, 155], dtype=uint64)
type(array1)
# numpy.ndarray

# 数组的size属性 -- 元素的个数
array1.size
# 5

# 数组的dtype属性 -- 元素的数据类型
array1.dtype
# dtype('uint64')

# 数组的shape属性 -- 数组的形状
array1.shape
# (5,)

# 数组的ndim属性 -- 数组的维度（ndimension）
array1.ndim
# 1

# 数组的itemsize属性 -- 每个元素占用的内存空间的大小（字节）
array1.itemsize
# 8

# 数组的nbytes属性 -- 整个数组占用的内存空间的大小（字节）
array1.nbytes
# 40

# 将数组还原成Python中的列表
array1.tolist
array1
# array([  1,   2,   3,   4, 155], dtype=uint64)

• 创建一维数组对象（方法二）

# 创建一维数组对象（方法二）
array2 = np.arange(2, 100, 2)
array2
"""
array([ 2,  4,  6,  8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 32, 34,
       36, 38, 40, 42, 44, 46, 48, 50, 52, 54, 56, 58, 60, 62, 64, 66, 68,
       70, 72, 74, 76, 78, 80, 82, 84, 86, 88, 90, 92, 94, 96, 98])
"""

• 创建一维数组对象（方法三）

# 创建一维数组对象（方法三）
array3 = np.linspace(-5, 5, 100, endpoint=False)
array3
"""
array([-5. , -4.9, -4.8, -4.7, -4.6, -4.5, -4.4, -4.3, -4.2, -4.1, -4. ,
       -3.9, -3.8, -3.7, -3.6, -3.5, -3.4, -3.3, -3.2, -3.1, -3. , -2.9,
       -2.8, -2.7, -2.6, -2.5, -2.4, -2.3, -2.2, -2.1, -2. , -1.9, -1.8,
       -1.7, -1.6, -1.5, -1.4, -1.3, -1.2, -1.1, -1. , -0.9, -0.8, -0.7,
       -0.6, -0.5, -0.4, -0.3, -0.2, -0.1,  0. ,  0.1,  0.2,  0.3,  0.4,
        0.5,  0.6,  0.7,  0.8,  0.9,  1. ,  1.1,  1.2,  1.3,  1.4,  1.5,
        1.6,  1.7,  1.8,  1.9,  2. ,  2.1,  2.2,  2.3,  2.4,  2.5,  2.6,
        2.7,  2.8,  2.9,  3. ,  3.1,  3.2,  3.3,  3.4,  3.5,  3.6,  3.7,
        3.8,  3.9,  4. ,  4.1,  4.2,  4.3,  4.4,  4.5,  4.6,  4.7,  4.8,
        4.9])
"""

• 创建一维数组对象（方法四）

array4 = np.random.randint(60, 101, 15)
array4
# array([73, 95, 60, 85, 91, 64, 77, 74, 79, 90, 96, 83, 94, 71, 78])

• 创建二维数组对象

nums = [[1,2,3], [4,5,6], [7,8,9]]
array8 = np.array(nums)
array8
"""
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
"""

array8.ndim
# 2
array8.shape
# (3, 3)

# 创建二维数组对象（方法二）
# 将一维数组调形成二维数组
array9 = array4.reshape((5, 3))
array9
"""
array([[73, 95, 60],
       [85, 91, 64],
       [77, 74, 79],
       [90, 96, 83],
       [94, 71, 78]])
"""
array9.shape
# (5, 3)

array10 = np.arange(1, 10).reshape((3, 3))
array10
"""
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
"""

# 创建二维数组对象（方法三）
array11 = np.random.randint(60, 101, size=(5, 3))
array11
"""
array([[85, 61, 67],
       [89, 66, 70],
       [62, 94, 77],
       [83, 98, 90],
       [82, 79, 82]])
"""

# 创建二维数组对象（方法四）
np.zeros((10, 10)) # 10行10列的0
np.ones((10, 10), dtype=np.int32) # 10行10列的1，dtpye = int32
np.full((10, 10), 5) # 10行10列的5

# 创建二维数组对象（方法五） -- 单位矩阵
np.eye(5, dtype='i8')
"""
array([[1, 0, 0, 0, 0],
       [0, 1, 0, 0, 0],
       [0, 0, 1, 0, 0],
       [0, 0, 0, 1, 0],
       [0, 0, 0, 0, 1]])
"""

# 读取图片获取对应的三维数组
guido = plt.imread('图片名.jpg')
guido.shape # (750, 500, 3)
guido.ndim # 3

• 数组的索引和切片
  • 普通索引
  • 布尔索引
  • 花式索引

array12 = np.random.randint(1, 100, 9)
array12
# array([78, 18, 20, 36, 31, 22, 50, 15, 10])

# 普通索引（正向索引和负向索引，注意不要越界）
array12[0