numpy python2_python之numpy库[2]

python-numpy

csv文件的写入和存取

写入csv文件

CSV (Comma‐Separated Value, 逗号分隔值)，是一种常见的文件格式，用来存储批量数据。

写入csv文件

np.savetxt(frame, array, fmt='%.18e', delimiter=None)

• frame : 文件、字符串或产生器，可以是.gz或.bz2的压缩文件

• array : 存入文件的数组

• fmt : 写入文件的格式，例如：%d %.2f %.18e

• delimiter : 分割字符串，默认是任何空格

示例：

>>> a = np.arange(100).reshape(5,20)

>>> np.savetxt('a.csv',a,fmt='%d',delimiter=',')

得到的文件是这样的

0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19

20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39

40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59

60,61,62,63,64,65,66,67,68,69,70,71,72,73,74,75,76,77,78,79

80,81,82,83,84,85,86,87,88,89,90,91,92,93,94,95,96,97,98,99

改变参数，以浮点数写入

>>> a = np.arange(100).reshape(5,20)

>>> np.savetxt('a.csv',a,fmt='%.1f',delimiter=',')

0.0,1.0,2.0,3.0,4.0,5.0,6.0,7.0,8.0,9.0,10.0,11.0,12.0,13.0,14.0,15.0,16.0,17.0,18.0,19.0

20.0,21.0,22.0,23.0,24.0,25.0,26.0,27.0,28.0,29.0,30.0,31.0,32.0,33.0,34.0,35.0,36.0,37.0,38.0,39.0

40.0,41.0,42.0,43.0,44.0,45.0,46.0,47.0,48.0,49.0,50.0,51.0,52.0,53.0,54.0,55.0,56.0,57.0,58.0,59.0

60.0,61.0,62.0,63.0,64.0,65.0,66.0,67.0,68.0,69.0,70.0,71.0,72.0,73.0,74.0,75.0,76.0,77.0,78.0,79.0

80.0,81.0,82.0,83.0,84.0,85.0,86.0,87.0,88.0,89.0,90.0,91.0,92.0,93.0,94.0,95.0,96.0,97.0,98.0,99.0

读取csv文件

读取csv文件

np.loadtxt(frame, dtype=np.float, delimiter=None， unpack=False)

• frame : 文件、字符串或产生器，可以是.gz或.bz2的压缩文件

• dtype : 数据类型，可选

• delimiter : 分割字符串，默认是任何空格

• unpack : 如果True，读入属性将分别写入不同变量

示例：

>>> b = np.loadtxt('a.csv',delimiter=',')

>>> b

array([[ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.,

11., 12., 13., 14., 15., 16., 17., 18., 19.],

[ 20., 21., 22., 23., 24., 25., 26., 27., 28., 29., 30.,

31., 32., 33., 34., 35., 36., 37., 38., 39.],

[ 40., 41., 42., 43., 44., 45., 46., 47., 48., 49., 50.,

51., 52., 53., 54., 55., 56., 57., 58., 59.],

[ 60., 61., 62., 63., 64., 65., 66., 67., 68., 69., 70.,

71., 72., 73., 74., 75., 76., 77., 78., 79.],

[ 80., 81., 82., 83., 84., 85., 86., 87., 88., 89., 90.,

91., 92., 93., 94., 95., 96., 97., 98., 99.]])

>>> b = np.loadtxt('a.csv',dtype=np.int,delimiter=',')

>>> b

array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,

17, 18, 19],

[20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36,

37, 38, 39],

[40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56,

57, 58, 59],

[60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76,

77, 78, 79],

[80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96,

97, 98, 99]])

CSV只能有效存储一维和二维数组

np.savetxt() np.loadtxt()只能有效存取一维和二维数组

多维数据的存取

多维数据的写入

a.tofile(frame, sep='', format='%s')

• frame : 文件、字符串

• sep : 数据分割字符串，如果是空串，写入文件为二进制

• format : 写入数据的格式

示例;

>>> a = np.arange(100).reshape(5,10,2)

>>> a.tofile("a.dat",sep=',',format='%d')

a.dat的内容：

0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74,75,76,77,78,79,80,81,82,83,84,85,86,87,88,89,90,91,92,93,94,95,96,97,98,99

如果不指定分隔符，则产生二进制文件，无法用文本编辑器看懂。

多维数据的读取

np.fromfile(frame, dtype=float, count=‐1, sep='')

• frame : 文件、字符串

• dtype : 读取的数据类型

• count : 读入元素个数，‐1表示读入整个文件

• sep : 数据分割字符串，如果是空串，写入文件为二进制

numpy的随机数函数

NumPy的random子库

np.random.*

函数

说明

rand(d0,d1,...,dn)

根据d0-dn创建随机数数组，浮点数，[0,1)，均匀分布

randn(d0,d1,...,dn)

根据d0-dn创建随机数数组，标准正态分布

randint(low[,high,shape])

根据shape创建随机整数或整数数组，范围是[low,high)

seed(s)

随机数种子，s是给定的种子值

shuffle(a)

根据数组a的第1轴进行随排列，改变数组a

permutation(a)

根据数组a的第1轴产生一个新的乱序数组，不改变数组a

choice(a[,size,replace,p])

从一维数组a中以概率p抽取元素，形成size形状新数组replace表示是否可能重用元素，默认为False

uniform(low,high,size)

产生具有均匀分布的数组，low起始值，high结束值，size为形状

normal(loc,scale,size)

产生具有正态分布的数组，loc为均值，scale标准差，size为形状

poisson(lam,size)

产生具有泊松分布的数组，lam为随机事件发生率，size为形状

numpy的统计函数

NumPy直接提供的统计类函数

np.*

函数

说明

sum(a,axis=None)

根据给定axis计算数组a相关元素之和，axis整数或元组

mean(a,axis=None)

根据给定axis计算数组a相关元素的期望，axis整数或元组

average(a,axis=None,weights=None)

根据给定axis计算数组a相关元素的加权平均值

std(a,axis=None)

根据给定轴axis计算数组a相关元素的标准差

var(a,axis = None)

根据给定轴axis计算数组a相关元素的方差

min(a) max(a)

计算数组a中元素的最小值，最大值

argmin(a) argmax(a)

计算数组a中元素的最小值，最大值的降一维后下标

unravel_index(index,shape)

根据shape将一维下标index转换成多维下标

ptp(a)

计算数组a中元素最大值和最小值的差

median(a)

计算数组a中元素的中位数(中值)

axis=None 是统计函数的标配参数

numpy的梯度函数

函数

说明

np.gradient(f)

计算数组f中元素的梯度，当f为多维时，返回每个维度梯度

梯度：连续值之间的变化率，即斜率

XY坐标轴连续三个X坐标对应的Y轴值：a, b, c，其中，b的梯度是： (c‐a)/2

>>> a = np.random.randint(0,20,5)

>>> np.gradient(a)

array([ 9. , -0.5, -2. , -3. , -12. ])