Python数据分析——numpy数据存取与函数

数据的CSV文件存取

CSV是一种常见的文件格式，用来存储批量数据。

np.savetxt(frame,array,fmt='%.18e',delimiter=None)
frame  --文件、字符串或者产生器
array --存入文件的数组
fmt   --写入文件的格式%的，%d,%f
delimiter   --分割字符串，默认是任何空格

np.loadtxt(frame,dtype=np.float,delimiter=None,unpack=False)
dtype   --数据类型，可选
unpack如果是True，读入属性将分别写入不同变量

CSV文件的局限性，CSV只能有效存取一维二维数据

任意维度数据存取

任意维度数据的读取可以使用以下方法

a.tofile(frame,sep=' ',format=%d)
frame   --文件或者字符串
sep   --写入文件的分隔符，如果为空字符串，则写入文件为二进制
format  --写入文件的数据格式

np.fromfile(frame,dtype=np.int,count=-1,sep='')
frame  --文件或者字符串
dtype  --读入数据的格式
count  --读入数据的个数，-1表示读入全部数据
sep  --读入数据的分隔符

numpy的便捷文件读取

np.save(fname,array)
np.load(fname)
fname  --为文件名，以.npy或者.npz作为文件扩展名

numpy随机函数

numpy的随机函数子库numpy.random

.rand(x,y,z)	根据shape创建随机数组，浮点数，服从[0,1）上的均匀分布
.randn(x,y,z)	根据shape创建随机数组，服从标准正态分许
.randint([low,high),shape)	根据shape创建随机数组2整数，数的范围从最低到最高
.seed(s)	随机数种子，S是给定的随机数正字值
.shuffle(a)	根据数组a的·第一轴进行随机排序，改变数组a
.permutation(a)	根据数组a的第一轴产生新的乱序数组，不改变数组a
.choice(a,size,replace,p)	在数组a中以概率p去抽取元素，形成size形状的数组，repalce表示是否可重复出现
.uniform(low,high,size)	产生具有均匀分布的数组
.normal(u,std,size)	产生具有正态分布的数组
.possion(p,size)	产生具有泊松分布的数组

numpy统计函数

numpyt直接提供的统计函数，通过np.*可以直接调用

sum(a,axis=None)	给定轴计算数组相关元素之和
mean(a,axis=None)	给定轴计算数组相关元素的均值
average(a,axis=None,weights=None)	给定轴计算数组相关元素以指定加权计算的均值
std(a,axis=None)	给定轴计算数组相关元素的标准差
var(a,axis=None)	给定轴计算数组相关元素的方差
min(x) 、max(x)	计算数组a中元素的最小值与最大值
argmin(x),argmax(x)	计算数组a中元素的最大值最小值降一维后下标
unravel_index(index,shape)	根据shape将一维下标转换成多维下标
ptp(a)	数组a中元素最大值与最小值之差
median(a)	数组a中元素的中位数
	计算f中元素的梯度，当f为多维时，返回每个维度的梯度

a=np.arange(24).reshape(4,6)
np.argmax(a)
np.unravel_index(np.argmax(a),a.shape)

numpy梯度函数

| gradient（f） |计算f中元素的梯度，当f为多维时，返回每个维度的梯度 |