数据分析day7（续）

数组的拼接：

np.vstack((t1,t2))->竖直拼接

np.hstack((t1,t2))->水平拼接

数组的行列交换：

t[[1,2],:] = t[[2,1],:] #行交换

t[:,[0,2]]=t[[:,2,0]]#列交换

numpy更多方法：

获取最大值最小值的位置

1.np.argmax（t，axis=0）

2.np.argmin（t，axis=1）

创建一个全0的数组：np.zeros（（3，4））

创建一个全为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）

numpy生成随机数：

np.random.rand(d0,d1,...,dn) #创建一个d0-dn维度的分布均匀的随机数数组，浮点数，范围从0-1

np.random.randn(d0,d1,...,dn) #创建一个d0-dn维度的标准正态分布随机数，浮点数，平均数0，标准差1

np.random.randint(low,hight,(shape))#从给定上下限范围选取随机数整数，范围是low，hight，形状是shape

np.random.uniform(low,hight,(size)) #产生具有均匀分布的数组，low起始值，hight结束值，size形状

np.random.normal(loc,scale,(size)) #从指定正态分布中随机抽取样本，分布中心是loc（概率分布的均值），标准差是scale，形状是size

np.random.seed(s)#随机数种子值，因为计算机生成的是伪随机数，所以通过设定相同的随机数种子，可以每次生成相同的随机数。

numpy中的nan和inf:

nan（NAN，Nan）:not a number 表示不是一个数字

什么时候numpy中会出现nan：

当我们读取本地的文件为float的时候，如果有缺失，就会出现nan当做了一个不合适的计算机的时候（比如无穷大（inf）减去无穷大）

inf（-inf，inf）：infinity，inf表示正无穷，-inf表示负无穷

什么时候会出现inf包括（-inf +inf）

比如一个数字除以0，python中直接会报错，numpy中是一个inf或者-inf

1.两个nan是不相等的

2.np.nan!np.nan

3.利用以上的特性，判断数组中nan的个数

4.由于2，那么如何判断一个数字是否为nan呢？

通过np.isnan（a）来判断，返回bool类型

比如希望把nan替换为0

5.nan和任何值计算都为nan

numpy中常用统计函数：

求和：t.sum(axis=None)

均值：t.mean(a,axis=None)受离群点的影响较大

中值：np.median(t,axis=None)

最大值：t.max(axis=None)

最小值：t.min(axis=None)

极值：np.ptp(t,axis=None)即最大值和最小值之差

标准差：t.std(axis=None)