用一维数组统计五个人的成绩中的最大值最小值平均值_D03 Numpy排序、筛选、统计...

---

title: D03|Numpy排序、筛选、统计
author: Adolph Lee
categories: 数据挖掘基础
tags:

• Python
• 数据挖掘基础
• 统计
• 筛选
• 排序

---

​

在进行数据挖掘工作之前，我们常常需要对数据的全貌今昔概览，利用描述性统计获取数据的特征，例如数据的均值，中位数，众数，离中趋势，频数分析，分布分析以及绘制对应的图表。在生活中最为常见的数据存放形式是二维表，我们将二维表数据转换为ndarray之后对应的即为二维数组，下面以二维数组为例，讲述numpy的排序、筛选、统计。

排序

关于排序，numpy的开发者们一早就为我们准备好了方法函数供我们使用，并且提供了多种不同的排序算法例如最常用的quicksort以及稳定性最强的mergesort。

​

numpy.sort

•   numpy.sort(a, axis, kind, order)
•   a ⇒array指的是需要排序的数组
•   axis ⇒ axis指定按行序排序或按列序排序 axis=0 列序， axis=1 行序 默认为行序
•   kind ⇒ 排序算法的种类，例如：kind = ‘mergesort’ 默认值为quicksort
•   order ⇒ 如果数组包含字段名称，那么就可以利用order指定字段

​

import numpy as nparray_2d = np.array([[1,3,2],[7,4,5],[5,7,9],[5,8,8]])print(array_2d)# 按行序排序print(np.sort(array_2d))print(array_2d)# 按列序排序print(np.sort(array_2d,axis=0))

​

在演示按字段排序之前，我们先学习为ndarray添加字段名称

•   利用数据类型对象(dtype)定义字段名称及字段类型
•   这一过程就像在数据库中建表

​

import numpy as npfiled = np.dtype([('name','S20'),('age',int)]) # 注意使用小括号 而非中括号array_2d = np.array([('Tyrone',22),('Arya',18),('Jon',36)],dtype=filed)print(array_2d)# 按字段排序print(np.sort(array_2d,order='name'))

​

筛选

numpy提供了两个筛选方法一个是where 一个是extract，where返回的符合条件元素所在的索引，extract返回的是符合条件元素本身，二则之间的异同，让我们用实际输出结果来比较。

​

where(condition)

•   where 返回符合条件元素所在索引
•   condition ⇒ 筛选条件

​

import numpy as nparray_2d = np.arange(0,10).reshape(2,5)where_condition = np.where(array_2d > 5)print(where_condition)# 通过索引获取元素print(array_2d[where_condition])

​

extarct(condition,array)

•   extarct 返回符合条件元素所在索引
•   condition ⇒ 筛选条件
•   array 指定数组
•   返回一维数组

import numpy as nparray_2d = np.arange(0,10).reshape(2,5)extarct_condition = np.extract(array_2d>5,array_2d)print(extarct_condition)

以上内容即为有关numpy的排序与筛选，学习好这一部分的知识，有助于我们更加便捷的理解，另一个数据科学库pandas，pandas是基于numpy所开发的，下面进入numpy章节的最后一个部分，numpy的描述性统计。 ​

统计

numpy中的统计函数都是相当便捷与简单的，例如获取最大最小值获取中位数，均值，加劝均值，分位数，方差标准差等，下面我们将一一介绍。

•   amax ⇒ 获取最大值
•   amin ⇒ 获取最小值
•   ptp ⇒ 获取最大值最小值之差
•   percentile ⇒ 获取分位数,percentile有三个参数(a,q,axis) a⇒指定数组，q⇒指定百分数(0-100)，axis⇒指定行序列序
•   median ⇒ 获取中位数
•   mean ⇒ 获取均值
•   average ⇒ 获取加权平均值
•   std ⇒ 获取标准差 标准差计算公式：std = sqrt(mean((x-x.mean)**2))
•   var ⇒ 获取方差 方差计算公式：var = std**2

​

import numpy as nparray_1d = np.arange(0,10)print(array_1d)# 获取最大值print(np.amax(array_1d))# 获取最小值print(np.amin(array_1d))# 获取最大值最小值之差print(np.ptp(array_1d))# 获取上下四分位数print(np.percentile(array_1d,75),np.percentile(array_1d,25))# 获取中位数print(np.median(array_1d))# 获取均值print(np.mean(array_1d))# 获取加权平均值print(np.average(array_1d))# 获取标准差print(np.std(array_1d))# 获取方差print(np.var(array_1d))

​

至此，Numpy的介绍的就结束了，不难看出利用numpy操作二维数组还是多有不便，想要操作其如同数据库或者Excel表格一样方便，还比较困难，而基于numpy开发的pandas库的出现解决了这一问题。下一章节我们将开始认识pandas。

转载请注明出处