Numpy的统计分析

1. '''----------------------保存数据savetxt-----------------------'''
2. import numpy as np
4. example = np.arange(24).reshape(3,8)
5. '''
6. 将numpy的ndarray数组保存到文本文件中：
7. savetxt(fileName,data)
8. fileName:保存文件路径和名称
9. data:需要保存的数据
10. '''
11. np.savetxt("./data/example.txt",example)
12. print("保存完成~")

1. '''---------------------加载数据loadtxt-----------------------'''
2. import numpy as np
4. '''
5. numpy加载csv文件数据
6. np.loadtxt(filepath,delimiter,usecols,converters,unpack)
7. filepath:加载文件的路径
8. delimiter:数据文件的分隔符
9. usecols：加载数据文件中数据列索引
10. unpack:当加载多列数据时是否需要将数据列进行解耦赋值给不同的变量
11. converters:{}，第一个参数为要加载的数据是第几列，第二个参数是对数据操作的函数或表达式
12. '''
13. result = np.loadtxt('data/data.csv',delimiter=",",usecols=(6,7))
14. print(result)
15. #从result中切片分别取出收盘价和成交量
16. close = result[:,0]
17. print("收盘价:\n",close)
18. amount = result[:,1]
19. print("成交量:\n",amount)
21. #当加载csv文件的多列数据时可以使用unpack将加载的数据列进行解耦到不同的数组中
22. arr1,arr2 = np.loadtxt('data/data.csv',delimiter=",",usecols=(6,7),unpack=True)
23. print("收盘价:\n",arr1)
24. print("成交量:\n",arr2)
26. #加载收盘价并将数据转化为整数
27. close = np.loadtxt("data/data.csv",delimiter=",",usecols=(6),
28. converters={ 6:lambda x: int(float(x))})
29. print(close)

1. '''---------------------数组的属性-----------------------'''
2. import numpy as np
4. example = np.arange(24).reshape(3,4,2)
6. #01->ndim数组的维度
7. print("01维度：",example.ndim) #3
8. #02->size数组元素的个数
9. print("02元素个数：",example.size) #24
10. #03->len
11. print("03元素个数：",len(example)) #3
12. #04->itemsize数组中的元素在内存中所占的字节数
13. print("每个元素在内存中所占的字节数：",example.itemsize) #int32/8=4
14. #05->nbytes整个数组所占的存储空间/字节数
15. print("整个数组所占的存储空间/字节数:",example.nbytes) #24*4=96
16. print("整个数组所占的存储空间/字节数:",example.size*example.itemsize) #24*4=96
18. #06->T数组的转置结果
19. print("原数组:\n",example) #3x4x2
20. print("转置结果:\n",example.T) #2x4x3
22. #07->real复数数组的实部
23. comp = np.array([2+5j,6+3j,4+2j])
24. real = comp.real
25. print("复数数组的实部是:\n",