Backend - 数据分析 Numpy

是萝卜干呀

已于 2024-05-13 14:32:57 修改

阅读量303

点赞数 9

文章标签： python numpy 数据分析

于 2024-05-13 14:32:36 首次发布

本文链接：https://blog.csdn.net/xiaoxiaoluobogan/article/details/138801288

版权

一、作用

数值计算库。

二、基础环境

（一）执行虚拟环境的终端命令

pip install numpy

（二）代码中导包

import numpy as np

三、数组操作

（一）创建数组

1. 创建一维数组

（1）基本建立

a = [1,2,3,4]
b = np.array(a)  # [1 2 3 4]

（2）建立后，值类型统一

a = [1,'aa',3,4]
b = np.array(a)  # ['1' 'aa' '3' '4']

2. 建立二维数组

a = [['aa',2], [3,4]]
b = np.array(a)

b 结果是：

[['aa' '2']
 ['3' '4']]

（二）数组取值

1. 取一维数组的值

（1）取单个值

a = np.array([1,2,3,4,5,6,7])
b =a[0] # 1

（2）取范围值

a = np.array([1,2,3,4,5,6,7])
b2 = a[2:5]  # [3 4 5]

2. 取得二维数组的值

（1）取某个值

a = [[1,2], [3,4]]
b = np.array(a) 
c = b[0,1] 
print(c)  # 2

（2）取某列

a = [[1,2], [3,4]]
b = np.array(a) 
d = b[:, 0] 
print(d)  # [1,3]

（3）取某行

a = [[1,2], [3,4]]
b = np.array(a) 
e = b[1, :]
print(e)  # [3,4]

（三）查看数据类型

a = [1,2,3,4]
b = np.array(a)   # [1 2 3 4]
c = b.dtype  # int32

（四）向量化运算

a = [1,2,3,4]
b = np.array(a)   # [1 2 3 4]
c = b*3   # [3 6 9 12]
d = b+b   # [2 4 6 8]

（五）聚合计算

1. 常用

import numpy as np
np.sum() 计算总和
np.any() 是否存在元素为真
np.all() 所有元素是否为真
np.prod() 所有元素乘积
np.mean() 平均值
np.median() 中位数
np.std() 标准差
np.var() 方差
np.power() 幂运算
np.sqrt() 开方
np.argmin() 最小值的索引
np.argmax() 最大值的索引
np.inf 无穷大
np.exp(10) 以e为底的指数
np.log(10) 对数

举例：

a = np.array([0,1,2,3,4])
print(np.sum(a)) # 10
print(np.any(a)) # True
print(np.all(a)) # False
print(np.prod(a)) # 0
print(np.mean(a)) # 2.0
print(np.median(a)) # 2.0
print(np.std(a)) # 1.4142135623730951
print(np.var(a)) # 2.0
print(np.power(a, 2)) # [ 0  1  4  9 16]
print(np.sqrt(a)) # [0.  1.  1.41421356  1.73205081  2. ]
print(np.argmin(a)) # 0
print(np.argmax(a)) # 4
print(np.inf) # inf
print(np.exp(10)) # 22026.465794806718
print(np.log(10)) # 2.302585092994046

2. 指定轴向

import numpy as np
a = [[1,2], [3,4]]
b = np.array(a) 
c = b.sum(axis=0).max() #求每列总和中的最大值 6
d = b.sum(axis=1).max() #求每行总和中的最大值 7
e = b.sum()  #求整个数组的总和 10