numpy_DataWhale_iris

numpy_DataWhale_iris

import numpy as np
import pandas as pd

导入鸢尾属植物数据集，保持文本不变

outfile = r'downloads/91601/iris.txt' #自己的路径
data_set = np.loadtxt(outfile,dtype=object,delimiter=',',skiprows=1)

求出鸢尾属植物萼片长度的平均值、中位数和标准差（第1列，sepallength）

print('长度平均值：',np.mean(data_set[:,0].astype('float')))
print('长度中位数：',np.median(data_set[:,0].astype('float')))
print('长度标准差：',np.std(data_set[:,0].astype('float')))

创建一种标准化形式的鸢尾属植物萼片长度，其值正好介于0和1之间，这样最小值为0，最大值为1（第1列，sepallength）

print('准化形式的鸢尾属植物萼片长度值：')
data_s=data_set[:,0].astype('float')
data_standarlize=(data_s - np.amin(data_s))/np.ptp(data_s)
data_standarlize[:20]

找到鸢尾属植物萼片长度的第5和第95百分位数（第1列，sepallength）

print('萼片长度第5百分位数：',np.percentile(data_set[:,0].astype('float'),[5]))
print('萼片长度第95百分位数：',np.percentile(data_set[:,0].astype('float'),[95]))

把iris_data数据集中的20个随机位置修改为np.nan值

i,j = data_set.shape
np.random.seed(20230711)
data_set[np.random.choice(i,size=20),np.random.choice(j,size=20)] = np.nan

在iris_data的sepallength中查找缺失值的个数和位置（第1列）

sepallength = data_set[:,0].astype('float')
print(sum(np.isnan(sepallength)))
print(np.where(np.isnan(sepallength)))

筛选具有 sepallength（第1列）< 5.0 并且 petallength（第3列）> 1.5 的 iris_data行

iris_data=np.loadtxt(outfile,dtype=float,delimiter=',',usecols=[0,1,2,3],skiprows=1)
sepallength = iris_data[:,0]
petallength = iris_data[:,2]
index=np.where(np.logical_and(sepallength < 5.0,petallength > 1.5))
print(index)
print(iris_data[index])

选择没有任何 nan 值的 iris_data行

#沿用上面的
iris = data_set[:,:4].astype('float')
x = iris[np.sum(np.isnan(iris),axis=1) == 0]
print(x[:])

计算 iris_data 中sepalLength（第1列）和petalLength（第3列）之间的相关系数

x = np.corrcoef(sepallength,petallength)
x

找出iris_data是否有任何缺失值

x = np.isnan(iris_data)
print(np.any(x))
y = np.isnan(iris)
print(np.any(y))

在numpy数组中将所有出现的nan替换为0

iris[np.isnan(iris)] = 0

找出鸢尾属植物物种中的唯一值和唯一值出现的数量

iris_type = np.loadtxt(outfile,dtype=object,delimiter=',',usecols=[4],skiprows=1)
x = np.unique(iris_type,return_counts=True)
x

将 iris_data 的花瓣长度（第3列）以形成分类变量的形式显示。定义：Less than 3 --> ‘small’；3-5 --> ‘medium’；’>=5 --> ‘large’

print(np.amin(petallength),np.amax(petallength))
inds = np.digitize(petallength,[0,3,5,7])#分桶,0-3，3-5，5-7
lable = {1:'small',2:'medium',3:'large'}
pl_lable = [lable[x] for x in inds]
print(pl_lable)

在 iris_data 中创建一个新列，其中 volume 是 (pi x petallength x sepallength ^ 2）/ 3

sepallength = iris_data[:,0].astype(float)
petallength = iris_data[:,2].astype(float)
volume = (np.pi * petallength *sepallength ** 2) / 3
volume = volume[:,np.newaxis]
print(volume.shape)
print(volume[:5])
iris_data = np.concatenate([iris_data,volume],axis=1)
print(iris_data[:5])

随机抽鸢尾属植物的种类，使得Iris-setosa的数量是Iris-versicolor和Iris-virginica数量的两倍

species = ['Iris‐setosa', 'Iris‐versicolor', 'Iris‐virginica']
np.random.seed(20230711)
species_out = np.random.choice(species,50000, p=[0.5, 0.25, 0.25])
print(np.unique(species_out,return_counts=True))

根据 sepallength 列对数据集进行排序

iris_data = np.loadtxt(outfile,dtype=object,delimiter=',',skiprows=1)
sepallength = iris_data[:,0]
index = np.argsort(sepallength)
print(iris_data[index][:5])

在鸢尾属植物数据集中找到最常见的花瓣长度值（第3列）

patallength = iris_data[:,2]
length, counts = np.unique(petallength, return_counts=True)
print(length,counts)

在鸢尾花数据集的 petalwidth（第4列）中查找第一次出现的值大于1.0的位置

petalwidth = iris_data[:,3].astype(float)
index = np.where(petalwidth > 1.0 )
print(index[0][0])