numpy基础使用

# 数据分析的基础步骤：数据收集，数据处理，数据分析，数据展现
# numpy的安装 pip install numpy
# pandas的安装 pip install pandas
# Matplotlib的安装：pip install matplotlib
#
# jupeter notebook是ipython的升级版 一个Web应用程序 界面更友好 功能也更强大。
# 可创建和共享代码 数据清洗和转换 数值模拟 统计建模 机器学习等等
# jupyter notebook的安装 pip install jupyter
# 启动jupyter notebook

# 数据加载np.genfromtxt
import numpy as np
filename = "./presidential_polls.csv"
data_arr = np.genfromtxt(filename, #需要打开的文件名
    delimiter = "," ,#文件的分隔符
    dtype=str, #数据按字符串格式存储，不进行bytes编码
    usecols = (3,17,18,19),#表示读取文件里列索引位置
    )
print(data_arr)

# 数据存储np.loadtxt
filename = "./presidential_polls.csv"
data_arr = np.loadtxt(filename, #需要打开的文件名
    delimiter = "," ,#文件的分隔符
    #skiprows = 1， #可以选择调过开头指定的行
    dtype=str, #数据是按编码后的字符串格式存储
    usecols = (3,17,18,19),#表示读取文件里的列的索引位置)

1、numpy数组的创建

# 随机抽样生成数组范围[0, 1)
arr1 = np.random.rand(2, 3, 4)
print(arr1)
print(type(arr1))

[[[0.57574486 0.54646636 0.8826699  0.18578644]
  [0.98587593 0.79860098 0.33510005 0.63357311]
  [0.57229583 0.78985357 0.94551367 0.50121632]]

 [[0.54692874 0.93198596 0.27521756 0.77860668]
  [0.72724299 0.29829541 0.96995412 0.01535601]
  [0.85714544 0.47116552 0.77156323 0.51256554]]]
<class 'numpy.ndarray'>

# 随机从标准正太分布中返回一个或多个样本值
arr2 = np.random.randn(2, 3, 4)
print(arr2)
print(type(arr2))

[[[-0.23396039 -0.23336667 -0.30112823 -1.23415798]
  [ 0.91558245  0.12414881  0.15081818 -1.53843735]
  [-0.21620594  0.7359921   0.50092933  0.75558742]]

 [[ 0.32530112  0.73525383  0.3721923