利用python进行数据分析--numpy基础

与公众号同步更新，详细内容及相关ipynb文件在公众号中，公众号：AI入门小白

 

1、准备工作

 

使用网上教程，安装pycharm以及anaconda

使用prompt打开jupyter notebook

 

2、numpy学习

NumPy的ndarray:

N维数组对象，语法与标量元素间的运算一样。

使用array函数创建数组。它接受一切序列型的对象（包括其它数组），然后产生一个新的含有传入数组的NumPy数组。

 

        ndarray的数据类型：

dtype(数据类型)是一个特殊的对象，他含有ndarray将一块内存解释为特定数据类型所需的信息

numpy的轴：

axis(轴)：

0：按行计算

1：按列计算

 

通用函数：元素级数组函数

通用函数(ufunc)是对ndarray中的数据执行元素级运算函数。可将其看为简单函数(接受一个或多个标量值，并产生一个或多个标量值)的矢量化包装器。

许多ufunc都是简单的元素及变体，如sqrt和exp：

 

数学和统计方法：

可通过数组上的一组数学函数对整个数组或某个轴向的数据进行统计计算。sum、mean以及标准差std等聚合计算(通常叫做约简)既可以当作数组的实例方法调用，也可以当作顶级NumPy函数使用：

 

唯一化(去重)：

针对一维ndarray的基本集合运算。最常用的要数np.unique，它用于找出数组中的唯一值并返回已排序的结果：

 

存取文本文件：

Python中的文件读写函数的格式很容易将新手搞晕，所以将主要介绍pandas中的read_csv和read_table函数。有时，我们需要用np.loadtxt或更为专门化的np.genfromtxt将数据加载到普通的NumPy数组中。
        这些函数都有许多选项可供使用：指定各种分隔符、针对特定列的转换器函数、需要跳过的行数等。以一个简单的逗号分隔文件(CSV)为例：

该文件可被加载到一个二维数组中：

np.savetxt执行的是相反的操作：将数组写到以某种分隔符隔开的文本文件中。
genfromtxt和loadtxt差不多，只不过他面向的是结构化的数组和缺失数据处理。