Numpy是Python数据处理分析和建模中最常用的包之一,笔者希望通过本文和下一篇的常用技巧补充,将自己在科研和工作中积累和摘抄的数据处理包使用经验和技巧笔记展示给大家~
本部分技巧知识点主要包括:Numpy常用运算函数;
Numpy中的nan值;
数组的行列转置;
数组的拼接与分割;
记得评论区一键三连(评论、收藏、转发)吆!!!
一、numpy的常用运算函数
1.max、min、maximum(数据大小比较)、mean、cumsum(累积和)、
argmin(最小值索引)、std(标准差)、ptd(极值)
import numpy as np
score = np.array([[80,88],[82,81],[75,81]])
# 1. 获取所有数据最大值
result = np.max(score)
#2.获取某一个轴上的数据最大值
result = np.max(score,axis=0)
#3.获取最小值
result = np.min(score)
#4.获取某一个轴上的数据最小值
result = np.min(score,axis=0)
#5.数据的比较
result = np.maximum([-2,-1,0,1,2],0)#第一个参数中的每一个数与第二个参数比较返回大的
result = np.minimum([-2,-1,0,1,2],0)#第一个参数中的每一个数与第二个参数比较返回小的
result = np.maximum([-2,-1,0,1,2],[1,2,3,4,5])#接受的两个参数,也可以大小一致;
#第二个参数只是一个单独的值时,其实是用到了维度的广播机制
#6.求平均数值
result = np.mean(score) #获取所有数据的平均值
result = np.mean(score,axis=0) #获取某一行或者某一列的平均值
二、numpy中的nan值nan注意要点【numpy创建的数组中的所有元素都是同种类型的】这种赋值不行:这种可以(因为numpy中的nan是float类型):nan和任何值计算都是nan判断有几个空值的方法:
重要多次使用例子:把任意一个矩阵里的缺失值替换成该列的平均值或者众数
三、行列转置
a.T或者np.transpose(a),还有一个应用于三维数组变换的swapaxes(2,1)函数
四、数组的拼接和分割
1.拼接操作:concatenate,stack,vstack,hstack
2.分割操作