numpy初学

为什么要学习numpy?

快速
方便
科学计算的基础库

什么是numpy?

一个在Python中做科学计算的基础库，重在数值计算，也是大部分PYTHON科学计算库的基础库，多用于在大型、多维数组上执行数值运算

numpy中常见的数据类型

数组的形状

numpy更多好用的方法

获取最大值最小值的位置
np.argmax(t,axis=0)
np.argmin(t,axis=1)
创建一个全0的数组: np.zeros((3,4))
创建一个全1的数组:np.ones((3,4))
创建一个对角线为1的正方形数组(方阵)：np.eye(3)

实例

现在这里有一个英国和美国各自youtube视频的点击,喜欢,不喜欢,评论数量([“views”,“likes”,“dislikes”,“comment_total”])的csv,运用刚刚所学习的知识,我们尝试来对其进行如下两个操作
英国和美国的youtube数据合并后，结合之前的matplotlib绘制出评论数量的直方图
将合并后数据集中英国的youtube视频的评论数和喜欢数的关系绘制成图形，应该如何绘制？

数据来源:https://www.kaggle.com/datasnaek/youtube/data

导入数据

import numpy as np
import math
uk = np.loadtxt("uk_data.csv",delimiter=',',dtype=np.float,encoding='gbk')
us = np.loadtxt("us_data.csv",delimiter=',',dtype=np.float,encoding='gbk')
np.set_printoptions(suppress=True)

观察数据

a = np.vstack((uk,us))
a

views = a[:,0]
views

uk = np.loadtxt("uk_data.csv",delimiter=',',dtype='int')
us = np.loadtxt("us_data.csv",delimiter=',',dtype='int')

zeros = np.zeros((us.shape[0],1))
ones = np.ones((uk.shape[0],1))
ones

final_us = np.hstack((us,zeros)).astype(int)
final_uk = np.hstack((uk,ones)).astype(int)
final_us

total_data = np.vstack((final_us,final_uk))
total_data

from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
total_comment = total_data[:,3]
diff_value = max(total_comment)-min(total_comment)  #极差 
diff_value

绘图

group_space = (diff_value/9).astype(int)
plt.figure(figsize=(20,8),dpi=80)
plt.hist(total_comment,9)
plt.xticks(range(min(total_comment),max(total_comment)+group_space,group_space))
plt.grid()
plt.show()

total_comment = total_comment[total_comment<10000]
plt.figure(figsize=(20,8),dpi=80)
plt.hist(total_comment,10)
plt.xticks(range(min(total_comment),max(total_comment)+1000,1000))
plt.grid()
plt.show()

uk = total_data[total_data[:,4]==1,:]
uk_comment = uk[:,3]
uk_like = uk[:,1]
plt.figure(figsize=(40,16),dpi=80)
plt.scatter(uk_like,uk_comment)
plt.xlabel("点赞")
plt.ylabel("评论")
plt.title("点赞与评论的关系")
plt.show()