数据分析学习day7

轴：

在numpy 中可以理解为方向，使用0，1，2等数字表示，对于一个一维数组，只有一个0轴，对于

二维数组（shape（2，2）），有0轴和1轴，对于三维数组（shape（2，2，3）），有0，1，2轴

有了轴的概念之后，我们计算会更加方便，比如计算一个二维数组的平均值，必须指定时计算哪个方向上的数字平均值。

numpy读取数据（简单了解，pandas更强）

CVS:Comma-Separated Value，逗号分隔值文件

显示：表格状态

源文件:换行和逗号分隔行列式的格式化文本，每一行的数据表示一条记录

由于csv便于展示，读取和写入，所以很多地方也是用csv的格式存储和传输中小型数据，为了方便教学，我们会经常操作cvs格式的文件，但是操作数据库中的数据也是很容易的实现的。

函数：

np.loadtxt（frame,dtype=np.float,delimiter=None,skiprows=0,usecols=None,unpack=False）

参数：

frame:文件，字符串或产生器，可以是.gz或bz2压缩文件

dtype:数据类型，可选，CVS的字符串一身那么数据类型读入数组中，默认np.float

delimiter:分割字符串，默认时任何空格，改为逗号

skiprows:跳过前x行，一般跳过第一行表头

usecols:读取指定的列，索引，元组类型

unpack:如果True，读入属性将分别写入不同数组变量，False读入数据只写入一个数组变量，默认False。

numpy索引和切片

对于刚加载出来的数据，如果只想选择其中的某一列（行）应该如何做？

跟python列表差不多

import numpy as np
s=np.arange(81).reshape(9,9)
print(s)
#取行
print(s[2])
#取连续多行
print(s[2:])
#取不连续多行
print(s[[0,1]])
#取列
print(s[:,0])
#取连续多列
print(s[:,2:])
#取不连续多列
print(s[:,[0,2]])
#取多行和多列，取的是行和列的交叉点
#取不相邻多个点
#取的是（0，2）（1，2）（2，3）
print(s[[0,1,2],[2,2,3]])

numpy中数据的修改

#数据的修改
s[2:,4:6]=0
print(s)
#替换小于10的值
y=s<10
print(y)
s[s<10]=3
print(s)
x=np.where(s<10,0,10)
print(x)

numpy中数据的裁剪

m=s.clip(10,18)
print(m)