Python数据分析与展示第二次学习

1.数据的CSV文件存取

概念

CSV是一种常见的文件格式，用来存储批量数据，又叫逗号分割值。

eg：

怎么将数据写入CSV文件？

np.savetest(frame,array,fmt=’%.18e’,delimiter=None)

frame:文件，字符串或产生器，可以是**.gz或者.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，这是用户主要修改的参数
delimiter:分割字符串,默认是空格

eg:

 

 如果想要改变输出数据的格式，就将fmt等于后换成其他格式。

怎么将CSV文件中的数据读入到Numpy中？

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

frame:指定读入的文件来源，可以是文件，字符串或产生器，可以是**.gz或者.bz2**的压缩文件
dtype：将CSV文件中的每一个元素由字符串变成一个特定的格式，使用dtype变量指定，数据类型可选
delimiter：分隔字符串，默认是任何空格，CSV文件需要使用“,”作为分割字符串
unpack:如果为True，读入属性将分别写入不同变量

eg:

CSV文件的双重性

便利：CSV文件可以很好的处理数据的存储

局限性：CSV文件只能有效存储一维或者二维数组，也就是np.savetxt()和np.loadtxt（）只能有效存取一维和二维数组。

2.多维数据的存储

a.tofile(frame,sep=' ',format='%s')

frame: 文件、字符串
sep：分隔数据的字符串，如果是空串，即不指定分隔符，写入文件为二进制，二进制文件无法直接打开
format：写入数据的格式

eg:

 

如果不指定分隔符这个变量即去掉sep

eg:
 

 

如何从文本文件、二进制文件还原这些数据呢？

方法：np.fromfile(frame,dtype=float,count=-1,sep=',')

frame:是文件
dtype:读取文件的时候指定要显示成的数据类型
count：要读入元素的个数，-1表示全部数据
sep：为要读取的文件的分隔符，如果文件是二进制文件，则sep为‘’空格

eg:

 

注意：如果使用这种方法需要读取时，知道存入文件时数组的维度和元素类型，a.tofile()与（）（1）a.fromfile()需要配合使用，可以通过元数据文件来存储额外信息。

Numpy的便捷文件存取np.save(fname,array) 或np.savez(fname,array)
frame:文件名、以.npy为扩展名，压缩扩展名为.npz
array:数组变量
（2）np.load(fname)

3.Numpy的随机数函数

Numpy的random字库

 

 

eg:

 

 

 

eg:

 

 

 

eg:

 

4.Numpy的统计函数

numpy提供了库一级别的统计函数；因此可以在numpy库中直接调用。
调用方式为np.函数名

 

eg:

 

 

eg:

 

5.Numpy的梯度函数

np.gradient(f) 计算数组f中元素的梯度，当f维多维的时候，返回每个维度的梯度。
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

eg:

 

6.图像的数组表示

图像的RGB色彩模式
图像一般使用RGB色彩模式，即每个像素点的颜色由红（R），绿（G），蓝（B）组成。
RGB三个颜色通道的变化和叠加得到各种颜色，三个色各自的取值范围是0-255。

RGB形成的颜色包括了人类视力所能感知的所有颜色。

PIL库
PIL：Python Image Library。一个具有强大图像处理能力的第三方库，在命令行下的安装方法：pip install pillow。如果安装了Anaconda，就包含了这个库，不用再安装。

from PIL import Image

Image是PIL库中代表一个图像的基础类（对象）。

图像的数组表示
图像是一个由像素组成的二维矩阵，每个元素是一个RGB值。

eg:

 

7.图像的变换

读入图像后，获得像素RGB值，修改后保存为新的文件。
 

eg:

 

 8.图像手绘效果

eg: