数据分析 day02(一)

最新推荐文章于 2022-07-22 20:56:37 发布

沉觞流年

最新推荐文章于 2022-07-22 20:56:37 发布

阅读量271

点赞数

分类专栏： # Python 数据分析

本文链接：https://blog.csdn.net/qq_44614026/article/details/93607691

版权

Python 数据分析专栏收录该内容

23 篇文章 4 订阅

订阅专栏

2. N维数组对象

2.6 数组切分

切分就是把一个数组切成多个

先生成一个5x6的二维数组,数组里的元素为[0,20)的随机数

2.6.1 水平方向上的切分 hsplit()

水平方向上切分切的是列标,列数是从0开始的

想象一下切东西,切一刀分成了两部分
在第一列前切一刀,将第0列和后面的分开了,这时候成了两部分;
在第二列前切一刀,将第1列和后面的又分开了,这时候就成了3部分
第8列前切一刀,而这里只有第5列,这一刀切的是空的,所以这里有个空元组

2.6.2 垂直方向的切分 vsplit()

垂直方向上的切分，相当于切行标

hsplit和vsplit只适合于二维数组

2.6.3 split()方法

split方法可以切分任意维度的数组

nd1 是一个三维数组,2x3x4格式,元素为[0,20)的随机整数,axis表示维度

切第0个维度,第0个维度只有0,1两部分,在第1个部分前切一刀,然后在第2个部分前切一刀,但是这里没有第2部分,所以有1个元组为空,切两刀有3个模块

将维度变为第一维度axis=1

2.7 副本

首先要清楚一个概念:浅拷贝和深拷贝

p中有一个变量a,p中存的是a的地址a1,p’拷贝的时候,拷贝的只是地址,这叫浅拷贝,浅拷贝修改a1’,a中不会
发生变化,显示的内容还是a
p’‘是深拷贝,将变量a中的内容复制并新创了一个存储空间a’,修改a1’’,会修改a’的内容,显示的内容就是a’

相互赋值直接修改元素

产生副本是一种浅拷贝,并没有修改原有数据

由列表创建数组，首先会把列复制出一个副本，然后把副本中的内容类型统一化，然后再存入数组

堆操作

向量：
一个一维数组中有n个元素，我们成这个一维数组是一个n空间维行向量，
一个n行一列的二维数组我们称为一个n维空间的列向量

vstack将一个一维数组转化成一个列向量

hstack把任意一个数组转成行向量

2.8 聚合

聚合操作指的就是对数组内部的数据进行某些特征（比如：均值、方差等）的求解

常见的聚合操作：

Function Name	NaN-safe Version	Description
np.sum	np.nansum	Compute sum of elements
np.prod	np.nanprod	Compute product of elements
np.mean	np.nanmean	Compute mean of elements
np.std	np.nanstd	Compute standard deviation
np.var	np.nanvar	Compute variance
np.min	np.nanmin	Find minimum value
np.max	np.nanmax	Find maximum value
np.argmin	np.nanargmin	Find index of minimum value
np.argmax	np.nanargmax	Find index of maximum value
np.median	np.nanmedian	Compute median of elements
np.percentile	np.nanpercentile	Compute rank-based statistics of elements

2.8.1 常见的聚合操作

首先先创建一个一维数组,元素个数为10,每个元素[0,20)的一个随机整数

sum()求和
两种方式,同样的效果

prod()求积

mean()求均值

std()求标准差、var()求方差
一列数：a1,a2,…,an
方差：m = (a1+a2+…+an)/n var = [(a1-m)^2+…+(an-m)2]/n
标准差：std = var^0.5
标准差和方差反映的是这列数据的稳定性，方差或者标准差越大数据越不稳定，反之越稳定

min()、max()、argmin()、argmax()求最值

media()和percentile()

中位数：数组从小到大排排序
2 3 3 5 9 10 13 15 18 18
如果是偶数个取中间两个数的平均值，如果是奇数个取中间那个数

百分比位数: 比如50,表示50%,这组数的中间位置的数的大小是9.5,也就是中位数的值;
60,表示60% ,这组数60%的位置的数的大小该是11.2

2.8.2 Nan-safe版的聚合操作

numpy中的nan
在这里插入图片描述
那么这个nan怎么进行聚合操作呢?求和,求平均直接忽略跳过就行了

2.8.3 多维数组聚合

1 普通聚合

就是把数组中所有数据聚合在一起,最终计算出这个数组的某种数据内部特征，是一个常数

把所有元素相加或者求平均值
这是一个3x4的二维数组
2x3x4的三维数组也是一样

2 指定维度聚合

axis参数可以指定对哪个维度进行聚合
指定维度聚合就是把axis指定的那的维度的子元素聚合在一起,axis值等于哪个维度，这个维度就会消失，取而代之的是这个维度上的子元素聚合的结果

首先看一下这个数组,这是一个3x4的二维数组

对第0个维度进行聚合,加操作

对下标进行相加比如: 15+9+2 =26
对第0个维度进行聚合,求最大值

对第1个维度进行聚合,求和,最大值

15+9+2+17 =43
[15, 9, 17, 2]中最大值为17

这是一个2x3x4的三维数组

第0个维度时
聚合求相加,为对应的下标的和

第一个维度时
聚合求相加,

这个时怎么相加得到的结果呢?第一个维度下,有3个子块

三个子块对应的下标相加

第2个维度时
聚合求相加,

这个又是怎么得到的呢?

11+0+11+17=39
最后变成了一个2x3的二维数组